Schița de curs

Introducere

  • Kubeflow pe IKS vs on-premise vs alți furnizori de cloud public

Prezentare generală a caracteristicilor Kubeflow pe IBM Cloud

  • IKS
  • IBM Cloud Object Storage

Prezentare generală a configurației mediului

  • Pregătirea mașinilor virtuale
  • Configurarea unui cluster Kubernetes

Setarea Kubeflow on IBM Cloud

  • Instalarea Kubeflow prin IKS

Codificarea modelului

  • Alegerea unui algoritm ML
  • Implementarea unui model TensorFlow CNN

Citirea datelor

  • Accessing the MNIST dataset

Conducte pe IBM Cloud

  • Crearea unei conducte end-to-end Kubeflow.
  • Personalizarea conductelor Kubeflow Pipeline

Executarea unui loc de muncă de formare ML

  • Formarea unui model MNIST

Implementarea modelului

  • Rularea TensorFlow Servirea pe IKS

Integrarea modelului într-o aplicație web

  • Crearea unei aplicații de probă
  • Trimiterea de cereri de predicție

Administrarea Kubeflow

  • Monitorizarea cu Tensorboard
  • Gestionarea jurnalelor

Securizarea unui cluster Kubeflow

  • Configurarea autentificării și autorizării

Depanare

Rezumat și concluzii

Cerințe

  • O înțelegere a conceptelor de învățare a mașinilor.
  • Cunoașterea conceptelor de cloud computing.
  • .
  • O înțelegere generală a containerelor (Docker) și a orchestrației (Kubernetes).
  • O anumită experiență de programare Python este utilă.
  • Experiență de lucru cu o linie de comandă.

Audiență

  • Inginerii de știință a datelor.
  • DevOps ingineri interesați de implementarea modelelor de învățare automată.
  • Inginerii de infrastructură interesați de implementarea modelului de învățare automată.
  • Inginerii de software care doresc să automatizeze integrarea și implementarea funcțiilor de învățare automată cu aplicația lor.
  28 ore

Numărul de participanți


Dată început

Dată sfârșit


Dates are subject to availability and take place between 09:30 and 16:30.

Pret per participant

Mărturii (2)

Cursuri înrudite

Categorii înrudite