Schița de curs
Introducere
- Introducere în Kubernetes
- Prezentare generală a caracteristicilor și arhitecturii Kubeflow
- Kubeflow pe AWS vs. on-premise vs. pe alți furnizori de cloud public
Configurarea unui cluster utilizând AWS EKS
Configurarea unui Cluster On-Premise folosind Microk8s
Implementarea Kubernetes folosind o abordare GitOps
Metode de stocare a datelor
Crearea unui Kubeflow Pipeline
Declanșarea unei conducte
Definirea artefactelor de ieșire
Stocarea metadatelor pentru seturi de date și modele
Reglarea hiperparametrului cu TensorFlow
Vizualizarea și analizarea rezultatelor
Multi-GPU Formare
Crearea unui server de inferență pentru implementarea modelelor ML
Lucrul cu JupyterHub
Networking și Load Balancing
Scalarea automată a unui cluster Kubernetes Cluster
Depanare
Rezumat și concluzii
Cerințe
- Familiaritate cu sintaxa Python
- Experiență cu Tensorflow, PyTorch, sau alt cadru de învățare automată .
- Un cont AWS cu resursele necesare .
Audiență
- Dezvoltatorii
- Științifici de date
Mărturii (1)
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.