Cursusaanbod
Introductie
Overzicht van Kubeflow functies en componenten
- Containers, manifesten, enz.
Overzicht van een Machine Learning pijplijn
- Trainen, testen, tunen, deployen, etc.
Kubeflow implementeren in een Kubernetes cluster
- Voorbereiden van de uitvoeringsomgeving (trainingscluster, productiecluster, etc.)
- Downloaden, installeren en aanpassen.
Een Machine Learning pijplijn uitvoeren op Kubernetes
- Het bouwen van een TensorFlow pijpleiding.
- Het bouwen van een PyTorch pipleline.
Visualiseren van de resultaten
- Metrische gegevens van pijplijnen exporteren en visualiseren
De uitvoeringsomgeving aanpassen
- De stack aanpassen voor diverse infrastructuren
- Een Kubeflow implementatie upgraden
Draaien Kubeflow op openbare clouds
- AWS, Microsoft Azure, Google Cloud Platform
Productieworkflows beheren
- Hardlopen met GitOps-methodologie
- Taken plannen
- Jupyter-notebooks voortbrengen
Probleemoplossing
Samenvatting en conclusie
Vereisten
- Bekendheid met de syntaxis van Python
- Ervaring met Tensorflow, PyTorch of een ander machine learning-framework
- Een account van een openbare cloudprovider (optioneel)
Audiëntie
- Ontwikkelaars
- Datawetenschappers
Testimonials (2)
La qualité des explications, et le nombre important de sujets abordés
Hugo SECHIER - Expleo France
Cursus - Kubeflow on AWS
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.