Formation Kubeflow on Azure
Kubeflow Il s'agit d'un cadre pour le fonctionnement des charges Machine Learning sur Kubernetes. TensorFlow est l'une des bibliothèques les plus populaires d'apprentissage automatique. Kubernetes est une plate-forme d’orchestration pour la gestion d’applications conteneuses.
Cette formation guidée par les instructeurs, en direct (online ou sur site) est destinée aux ingénieurs qui souhaitent déployer Machine Learning charge de travail dans Azure nuage.
À la fin de cette formation, les participants seront en mesure de :
- Installer et configurer Kubernetes, Kubeflow et autres logiciels nécessaires sur Azure.
- Utilisez Azure Kubernetes Service (AKS) pour simplifier le travail d'initialiser un Kubernetes cluster sur Azure.
- Créer et déployer un Kubernetes pipeline pour l'automatisation et la gestion des modèles ML en production.
- Trainer et déployer TensorFlow les modèles ML à travers plusieurs GPUs et les machines qui fonctionnent en parallèle.
- Leverage d'autres services gérés par AWS pour étendre une application ML.
Format du cours permettant d'évaluer les participants permettant d'évaluer les participants
- Lecture et discussion interactives.
- Beaucoup d’exercices et de pratiques.
- La mise en œuvre dans un environnement de laboratoire en direct.
Options de personnalisation de cours
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.
Plan du cours
Introduction
- Kubeflow on Azure vs sur site vs sur d'autres fournisseurs de cloud public
Aperçu des caractéristiques et de l'architecture de Kubeflow
Aperçu du processus de déploiement
Activation d'un compte Azure
Préparation et lancement des machines virtuelles compatibles GPU
Configuration des rôles et des autorisations des utilisateurs
Préparation de l'environnement de construction
Sélection d'un TensorFlow modèle et d'un ensemble de données
Emballer le code et les cadres dans une Docker image
Mise en place d'une grappe Kubernetes à l'aide d'AKS
Mise en scène des données de formation et de validation
Configuration de Kubeflow pipelines
Lancement d'un emploi de formation.
Visualisation du travail de formation en cours d'exécution
Nettoyage après l'achèvement des travaux
Dépannage
Résumé et conclusion
Pré requis
- Une compréhension des concepts d'apprentissage automatique.
- Une connaissance des concepts de l'informatique en nuage.
- Une compréhension générale des conteneurs (Docker) et de l'orchestration (Kubernetes).
- Une certaine expérience de la programmation Python est utile.
- Expérience du travail en ligne de commande.
Public
- Ingénieurs en science des données.
- DevOps ingénieurs intéressés par le déploiement de modèles d'apprentissage automatique.
- Ingénieurs en infrastructure intéressés par le déploiement de modèles d'apprentissage automatique.
- Ingénieurs en logiciel souhaitant automatiser l'intégration et le déploiement de fonctionnalités d'apprentissage automatique avec leur application.
Les formations ouvertes requièrent plus de 3 participants.
Formation Kubeflow on Azure - Booking
Formation Kubeflow on Azure - Enquiry
Kubeflow on Azure - Demande d'informations consulting
Demande d'informations consulting
Nos clients témoignent (5)
C'était tout à fait ce que nous demandions, et une quantité assez équilibrée de contenus et d'exercices couvrant les différents profils des ingénieurs de l'entreprise qui ont participé.
Arturo Sanchez - INAIT SA
Formation - Microsoft Azure Infrastructure and Deployment
Traduction automatique
Je dois essayer des ressources que je n'ai jamais utilisées auparavant.
Daniel - INIT GmbH
Formation - Architecting Microsoft Azure Solutions
Traduction automatique
très sympathique et serviable
Aktar Hossain - Unit4
Formation - Building Microservices with Microsoft Azure Service Fabric (ASF)
Traduction automatique
l'écosystème ML comprend non seulement MLFlow mais aussi Optuna, hyperops, docker et docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Formation - MLflow
Traduction automatique
La qualité des explications, et le nombre important de sujets abordés
Hugo SECHIER - Expleo France
Formation - Kubeflow on AWS
Cours à venir
Cours Similaires
DeepSeek: Advanced Model Optimization and Deployment
14 HeuresCette formation en direct avec instructeur à France (en ligne ou sur site) s'adresse aux ingénieurs en IA de niveau avancé et aux scientifiques des données ayant une expérience intermédiaire à avancée qui souhaitent améliorer les performances des modèles DeepSeek, minimiser la latence et déployer des solutions d'IA efficacement en utilisant des pratiques modernes MLOps.
A l'issue de cette formation, les participants seront capables de :
- Optimiser les modèles DeepSeek en termes d'efficacité, de précision et d'évolutivité.
- Mettre en œuvre les meilleures pratiques pour MLOps et le versionnage des modèles.
- Déployer des modèles DeepSeek sur une infrastructure cloud et sur site.
- Surveiller, maintenir et mettre à l'échelle les solutions d'IA de manière efficace.
Microsoft Azure Infrastructure and Deployment
35 HeuresMicrosoft Azure Infrastructure et déploiement
Architecting Microsoft Azure Solutions
14 HeuresCette formation permet aux délégués d'améliorer leurs compétences en matière de conception de solutions Microsoft Azure.
Après cette formation, le délégué comprendra les caractéristiques et les capacités des services Azure, afin d'être en mesure d'identifier les compromis et de prendre des décisions pour concevoir des solutions de clouds publics et hybrides.
Au cours de la formation, les solutions d'infrastructure et de plateforme appropriées pour répondre aux exigences fonctionnelles, opérationnelles et de déploiement requises tout au long du cycle de vie de la solution seront définies.
Building Microservices with Microsoft Azure Service Fabric (ASF)
21 HeuresCette formation en direct avec instructeur à France (en ligne ou sur site) est destinée aux développeurs qui souhaitent apprendre à construire des microservices sur Microsoft Azure Service Fabric (ASF).
A l'issue de cette formation, les participants seront capables de :
- Utiliser ASF comme plateforme pour construire et gérer des microservices.
- Comprendre les concepts et modèles clés de programmation de microservices.
- Créer un cluster dans Azure.
- Déployer des microservices sur site ou dans le cloud.
- Déboguer et dépanner une application de microservices en direct.
Developing Intelligent Bots with Azure
14 HeuresAzure Bot Service combine la puissance du Microsoft Bot Framework et des fonctions Azure pour permettre le développement rapide de robots intelligents.
Dans cette formation en direct animée par un instructeur, les participants apprendront à créer facilement un bot intelligent à l'aide de Microsoft Azure
À la fin de cette formation, les participants seront en mesure de:
- Maîtriser les fondamentaux des robots intelligents
- Découvrir comment créer des robots intelligents à l'aide d'applications cloud
- Comprendre comment utiliser le Microsoft Bot Framework, le Bot Builder SDK et le service de bot Azure
- Savoir concevoir des bots en utilisant des modèles de bot
- Développer leur premier robot intelligent avec Microsoft Azure
Public
- Développeurs
- Passionnés
- Ingénieurs
- Professionnels IT
Format du cours permettant d'évaluer les participants
- Mixte entre présentation, discussion, exercices et pratique intensive
Introduction to Azure
7 HeuresDans cette formation en direct, encadrée par un formateur (sur site ou à distance), les participants découvriront les concepts de base, les composants et les services de Microsoft Azure tout en passant par la création d'une application cloud d'exemple.
A l'issue de cette formation, les participants seront capables de :
- Comprendre les bases de Microsoft Azure
- Connaître les différents outils et services de Azure
- Découvrir comment utiliser Azure pour construire des applications cloud
Programming for IoT with Azure
14 HeuresL'IoT Internet of Things (IoT) est une infrastructure réseau qui connecte sans fil des objets physiques et des applications logicielles, leur permettant de communiquer entre eux et d'échanger des données via des communications réseau, l'informatique en nuage et la capture de données. L'IoT Suite Azure est un ensemble complet de services en nuage qui offre une suite IoT composée de solutions préconfigurées qui aident les développeurs à accélérer le développement de projets IoT.
Au cours de cette formation en direct dirigée par un instructeur, les participants apprendront à développer des applications IoT à l'aide de Azure.
A la fin de cette formation, les participants seront capables de :
- Comprendre les principes fondamentaux de l'architecture IoT
- Installer et configurer Azure IoT Suite
- Apprendre les avantages de l'utilisation de Azure dans la programmation des systèmes IoT
- Mettre en œuvre divers services Azure IoT (IoT Hub, Functions, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT Device Management)
- Construire, tester, déployer et dépanner un système IoT en utilisant Azure.
Public
- Développeurs
- Ingénieurs
Format du cours permettant d'évaluer les participants
- En partie cours magistral, en partie discussion, exercices et pratique intensive.
Remarque
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter.
Kubeflow
35 HeuresCette formation en direct avec instructeur en France (en ligne ou sur site) est destinée aux développeurs et aux scientifiques des données qui souhaitent construire, déployer et gérer des flux de travail d'apprentissage automatique sur Kubernetes.
À l'issue de cette formation, les participants seront en mesure de :
- Installer et configurer Kubeflow sur site et dans le cloud en utilisant AWS EKS (Elastic Kubernetes Service).
- Construire, déployer et gérer des flux de travail de ML basés sur des conteneurs Docker et Kubernetes.
- Exécuter des pipelines d'apprentissage automatique complets sur diverses architectures et environnements en nuage.
- Utiliser Kubeflow pour créer et gérer des carnets Jupyter.
- Construire des charges de travail d'entraînement ML, de réglage d'hyperparamètres et de service sur plusieurs plateformes.
Kubeflow Fundamentals
28 HeuresCette formation en direct avec instructeur en France (en ligne ou sur site) est destinée aux développeurs et aux scientifiques des données qui souhaitent construire, déployer et gérer des flux de travail d'apprentissage automatique sur Kubernetes.
À l'issue de cette formation, les participants seront en mesure de :
- Installer et configurer Kubeflow sur site et dans le cloud.
- Construire, déployer et gérer des flux de travail d'apprentissage automatique basés sur les conteneurs Docker et Kubernetes.
- Exécuter des pipelines d'apprentissage machine complets sur diverses architectures et environnements cloud.
- Utiliser Kubeflow pour créer et gérer des carnets Jupyter.
- Construire des charges de travail d'entraînement ML, de réglage d'hyperparamètres et de service sur plusieurs plateformes.
Kubeflow on AWS
28 HeuresCette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux ingénieurs qui souhaitent déployer des charges de travail Machine Learning sur un serveur AWS EC2.
A l'issue de cette formation, les participants seront capables de :
- Installer et configurer Kubernetes, Kubeflow et d'autres logiciels nécessaires sur AWS.
- Utiliser EKS (Elastic Kubernetes Service) pour simplifier le travail d'initialisation d'un cluster Kubernetes sur AWS.
- Créer et déployer un pipeline Kubernetes pour automatiser et gérer les modèles ML en production.
- Entraîner et déployer TensorFlow modèles ML sur plusieurs GPU et machines fonctionnant en parallèle.
- Mettre à profit d'autres services gérés AWS pour étendre une application ML.
Kubernetes on Azure (AKS)
14 HeuresDans cette formation dirigée par un instructeur, en direct dans France (en ligne ou sur place), les participants apprendront à mettre en place et à gérer un environnement de conteneurs à l'échelle de la production en utilisant Kubernetes sur AKS.
A la fin de cette formation, les participants seront capables de :
- Configurer et gérer Kubernetes sur AKS.
- Déployer, gérer et mettre à l'échelle un cluster Kubernetes.
- Déployer des applications conteneurisées (Docker) sur Azure.
- Migrer un environnement Kubernetes existant sur site vers le cloud AKS.
- Intégrer Kubernetes avec un logiciel d'intégration continue (CI) tiers.
- Assurer la haute disponibilité et la reprise après sinistre dans Kubernetes.
MLflow
21 HeuresCette formation en direct (en ligne ou sur site) est destinée aux data scientists qui souhaitent aller au-delà de la construction de modèles ML et optimiser le processus de création, de suivi et de déploiement des modèles ML.
A l'issue de cette formation, les participants seront capables de :
- Installer et configurer MLflow et les bibliothèques et frameworks ML associés.
- Apprécier l'importance de la traçabilité, de la reproductibilité et de la déployabilité d'un modèle ML
- Déployer des modèles de ML sur différents clouds publics, plateformes ou serveurs sur site.
- Mettre à l'échelle le processus de déploiement du ML afin d'accommoder plusieurs utilisateurs collaborant à un projet.
- Mettre en place un registre central pour expérimenter, reproduire et déployer des modèles de ML.
MLOps: CI/CD for Machine Learning
35 HeuresCette formation en direct (en ligne ou sur site) s'adresse aux ingénieurs qui souhaitent évaluer les approches et les outils disponibles aujourd'hui afin de prendre une décision intelligente sur la voie à suivre pour adopter MLOps au sein de leur organisation.
A l'issue de cette formation, les participants seront capables de :
- Installer et configurer divers cadres et outils MLOps.
- Assembler le bon type d'équipe avec les bonnes compétences pour construire et soutenir un système MLOps.
- Préparer, valider et modifier les données en vue de leur utilisation par les modèles de ML.
- Comprendre les composants d'un pipeline de ML et les outils nécessaires pour en construire un.
- Expérimenter différents cadres et serveurs d'apprentissage automatique pour les déployer en production.
- Opérationnaliser l'ensemble du processus Machine Learning pour qu'il soit reproductible et maintenable.
MLOps for Azure Machine Learning
14 HeuresCette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux ingénieurs en apprentissage automatique qui souhaitent utiliser Azure Machine Learning et Azure DevOps pour faciliter les pratiques MLOps.
À l'issue de cette formation, les participants seront en mesure de :
- Construire des flux de travail reproductibles et des modèles d'apprentissage automatique.
- Gérer le cycle de vie de l'apprentissage automatique.
- Suivre et rapporter l'historique des versions des modèles, les actifs, et plus encore.
- Déployer des modèles d'apprentissage automatique prêts pour la production n'importe où.