Schița de curs

Introducere în Kubeflow

  • Înțelegerea misiunii și arhitecturii Kubeflow
  • Prezentare generală a componentelor de bază și a ecosistemului
  • Opțiuni de implementare și capabilități ale platformei

Lucrul cu Panoul de Bord Kubeflow

  • Navigare în interfața de utilizator
  • Gestionarea notebook-urilor și a spațiilor de lucru
  • Integrarea stocării și a surselor de date

Fundamentele Kubeflow Pipelines

  • Structura pipeline-urilor și proiectarea componentelor
  • Crearea pipeline-urilor cu Python SDK
  • Executarea, planificarea și monitorizarea rulărilor pipeline-urilor

Antrenarea Modelelor ML pe Kubeflow

  • Modele de antrenament distribuit
  • Utilizarea TFJob, PyTorchJob și a altor operatori
  • Managementul resurselor și autoscalarea în Kubernetes

Servirea Modelelor cu Kubeflow

  • Prezentare generală a KFServing / KServe
  • Implementarea modelelor cu runtime-uri personalizate
  • Gestionarea reviziilor, scalarea și rutarea traficului

Gestionarea Fluxurilor de Lucru ML pe Kubernetes

  • Versionarea datelor, modelelor și artefactelor
  • Integrarea CI/CD pentru pipeline-uri ML
  • Securitate și controlul accesului bazat pe roluri

Practici Recomandate pentru ML în Producție

  • Proiectarea modelelor de flux de lucru fiabile
  • Observabilitate și monitorizare
  • Depanarea problemelor comune ale Kubeflow

Subiecte Avansate (Opțional)

  • Medii Kubeflow multi-tenant
  • Scenarii de implementare hibridă și multi-cluster
  • Extinderea Kubeflow cu componente personalizate

Rezumat și Pași Următori

Cerințe

  • Înțelegerea aplicațiilor containerizate
  • Experiență cu fluxuri de lucru de bază în linia de comandă
  • Familiaritate cu conceptele Kubernetes

Publicul Țintă

  • Practicieni ML
  • Oameni de știință de date
  • Echipe DevOps noi în Kubeflow
 14 Ore

Numărul de participanți


Pret per participant

Mărturii (5)

Cursuri viitoare

Categorii înrudite