Intrati in legatura
 Durata 14 ore

Schița de curs

Introducere în Kubeflow

  • Înțelegerea misiunii și arhitecturii Kubeflow
  • Prezentarea componentelor de bază și a ecosistemului
  • Opțiuni de deployment și capabilități ale platformei

Lucrul cu Kubeflow Dashboard

  • Navigarea în interfața de utilizator
  • Gestionarea notebook-urilor și a workspace-urilor
  • Integrarea stocării și a surselor de date

Fundamentele Kubeflow Pipelines

  • Structura pipeline-ului și designul componentelor
  • Crearea pipeline-urilor cu Python SDK
  • Executarea, programarea și monitorizarea rulărilor de pipeline

Antrenarea modelelor ML pe Kubeflow

  • Tipare de antrenare distribuită
  • Utilizarea TFJob, PyTorchJob și a altor operatori
  • Gestionarea resurselor și autoscaling în Kubernetes

Servirea modelelor cu Kubeflow

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

Gestionarea fluxurilor de lucru ML pe Kubernetes

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

Best practices pentru ML în producție

  • Proiectarea unor tipare de flux de lucru fiabile
  • Observabilitate și monitorizare
  • Depanarea problemelor comune din Kubeflow

Subiecte avansate (opțional)

  • Medii Kubeflow multi-tenant
  • Scenarii de deployment hibrid și multi-cluster
  • Extinderea Kubeflow cu componente personalizate

Rezumat și pașii următori

Cerințe

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

Public țintă

  • Practicieni ML
  • Data scientist
  • Echipe DevOps noi în Kubeflow

Numărul de participanți


Pret per participant

Mărturii (4)

Cursuri viitoare

Categorii înrudite