Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction
Vue d'ensemble des fonctionnalités et des composants Kubeflow
- Conteneurs, manifestes, etc.
Vue d'ensemble d'un Machine Learning pipeline
- Formation, test, réglage, déploiement, etc.
Déploiement de Kubeflow sur un cluster Kubernetes
- Préparation de l'environnement d'exécution (cluster de formation, cluster de production, etc.)
- Téléchargement, installation et personnalisation.
Exécution d'un pipeline Machine Learning sur Kubernetes
- Construire un pipeline TensorFlow.
- Construction d'un pipeline PyTorch.
Visualisation des résultats
- Exporter et visualiser les métriques du pipeline
Personnaliser l'environnement d'exécution
- Personnaliser la pile pour diverses infrastructures
- Mise à jour d'un déploiement Kubeflow
Exécution de Kubeflow sur des clouds publics
- AWS, Microsoft Azure, Google Cloud Platform
Gérer les flux de production
- Exécuter avec la méthodologie GitOps
- Planification des tâches
- Création de carnets Jupyter
Résolution des problèmes
Résumé et conclusion
Pré requis
- Familiarité avec la syntaxe Python.
- Expérience avec Tensorflow, PyTorch, ou tout autre cadre d'apprentissage automatique
- Un compte de fournisseur de cloud public (facultatif)
Public
- Développeurs
- Scientifiques des données
28 Heures
