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



Pret per participant

Mărturii (2)

Categorii înrudite