Kubeflow Alapok Képzés

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek és adattudósoknak szól, akik gépi tanulási munkafolyamatokat szeretnének kiépíteni, telepíteni és kezelni a Kubernetes webhelyen.

A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja az Kubeflow-et a helyszínen és a felhőben az AWS EKS (Elastic Kubernetes szolgáltatás) segítségével.
• ML munkafolyamatok létrehozása, üzembe helyezése és kezelése Docker tárolók és Kubernetes alapján.
• Futtasson teljes gépi tanulási folyamatot különféle architektúrákon és felhőkörnyezeteken.
• Az Kubeflow használata Jupyter notebookok létrehozásához és kezeléséhez.
• Építsen ML képzést, hiperparaméter-hangolást, és szolgálja ki a munkaterheléseket több platformon.

Ez az oktatók által vezetett élő képzés Magyarország (online vagy helyszínen) olyan mérnököket cézsol, akik szeretnének gépi tanulási feladatokat az AWS EC2 szerverre központilag telepíteni.

A képzés végére a résztvevők képesek lesznek:

• Telepíteni és beállítani a Kubernetes, Kubeflow és más szükséges szoftvereket az AWS-n.
• Használni az EKS (Elastic Kubernetes Service)-t az AWS-on futó Kubernetes fürt kezdeményezésének egyszerűsítésére.
• Létrehozni és központilag telepíteni egy Kubernetes folyamatot a gépi tanulási modellek éles környezetben való automatizálására és kezelésére.
• Tanítani és központilag telepíteni TensorFlow ML modelleket több GPU és párhuzamosan működő gépek között.
• Kiterjeszteni egy ML alkalmazást más AWS felügyelt szolgáltatások segítségével.

Ez az instruktor vezetett, élő képzés Magyarország-ban (online vagy helyszínen) olyan mérnököknek szól, akik a gépi tanulási feladatokat szeretnék üzembe helyezni az Azure felhőben.

A képzés végére a résztvevők képesek lesznek:

• Telepíteni és beállítani a Kubernetes, Kubeflow és más szükséges szoftvereket az Azure-on.
• Azure Kubernetes Service (AKS) használattal egyszerűsíteni a Kubernetes fürt inicializálásának munkáját az Azure-on.
• Kubernetes folyamatot készíteni és üzembe helyezni a gépi tanulási modell automatizálásához és kezeléséhez a termelésben.
• TensorFlow gépi tanulási modelleket telepíteni és üzembe helyezni több GPU és párhuzamosan futó gépen.
• Más AWS felügyelt szolgáltatásokat használni a gépi tanulási alkalmazás kiterjesztéséhez.

A Kubeflow egy nyílt forráskódú platform, amely célja a gépi tanulási feladatok építése, tanítása és üzembe helyezése a Kubernetes-en történő folyamatosság növelése.

Ez az oktató útmutató (online vagy személyes) kezdő és középhalon járó szaktudósokra vonatkozik, akik megbízható ML folyamatokat szeretnének létrehozni a Kubeflow használatával.

Az oktatás befejezésével az résztvevők megismerkednek:

• A Kubeflow ökoszisztémájának és alapvető komponenseinek áttekintése.
• Reproducálható folyamatok építése a Kubeflow Pipelines segítségével.
• Skálázható tanítási feladatok futtatása Kubernetes-en.
• Gépi tanulási modellek hatékony szolgáltatása a Kubeflow Serving használatával.

Kurzus formátuma

• Útmutató prezentációk és együttműködőbeszélések.
• Kézi laborok valós Kubeflow komponensekkel.
• Gyakorlati feladatok, hogy end-to-end ML folyamatokat építsenek.

Kurzus testreszabási lehetőségek

• Testreszabott verziókat kérhet a csapat technológiai stackje és projektigényeihez igazítva.