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.
Durée 28 heures
Plan du cours
Introduction
Présentation des fonctionnalités et des composants de Kubeflow
- Conteneurs, manifests, etc.
Vue d'ensemble d'un pipeline de Machine Learning
- Entraînement, tests, réglages, déploiement, etc.
Déploiement de Kubeflow sur un cluster Kubernetes
- Préparation de l'environnement d'exécution (cluster d'entraînement, cluster de production, etc.)
- Téléchargement, installation et personnalisation.
Exécution d'un pipeline de Machine Learning sur Kubernetes
- Construction d'un pipeline TensorFlow.
- Construction d'un pipeline PyTorch.
Visualisation des résultats
- Export et visualisation des métriques du pipeline
Personnalisation de l'environnement d'exécution
- Adaptation de la pile technique à diverses infrastructures
- Migration d'un déploiement Kubeflow
Exécution de Kubeflow sur les clouds publics
- AWS, Microsoft Azure, Google Cloud Platform
Gestion des flux de travail de production
- Exécution selon la méthodologie GitOps
- Planification des tâches
- Création de notebooks Jupyter
Pré requis
- Maîtrise de la syntaxe Python
- Expérience avec Tensorflow, PyTorch ou un autre framework de machine learning
- Un compte chez un fournisseur de cloud public (facultatif)
Public cible
- Développeurs
- Data scientists