Prenez contact avec nous
 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

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires