Thank you for sending your enquiry! One of our team member will contact you shortly.
Thank you for sending your booking! One of our team member will contact you shortly.
Kurzusleírás
Bevezetés
- Kubeflow az AWS-en a helyszíni és más nyilvános felhőszolgáltatók között
A Kubeflow jellemzők és felépítés áttekintése
AWS-fiók aktiválása
GPU-kompatibilis AWS-példányok előkészítése és indítása
Felhasználói szerepkörök és engedélyek beállítása
Építési környezet előkészítése
TensorFlow Modell és adatkészlet kiválasztása
Csomagolja a kódot és a kereteket Docker képbe
Kubernetes Klaszter beállítása EKS használatával
A képzési és érvényesítési adatok szakaszosítása
Kubeflow Csővezetékek konfigurálása
Képzési feladat indítása a Kubeflow használatával az EKS-ben
A képzési munka megjelenítése futásidőben
Takarítás a munka befejezése után
Hibaelhárítás
Összefoglalás, és következtetés
Követelmények
- A gépi tanulási koncepciók megértése.
- A számítási felhő fogalmainak ismerete.
- A konténerek (Docker) és a hangszerelés (Kubernetes) általános ismerete.
- Némi Python programozási tapasztalat hasznos.
- Parancssoros munkatapasztalat.
Közönség
- Adattudományi mérnökök.
- DevOps mérnökök, akik érdeklődnek a gépi tanulási modell bevezetésében.
- Infrastruktúra mérnökök érdekesek a gépi tanulási modell bevezetésében.
- Szoftvermérnökök, akik gépi tanulási funkciókat kívánnak integrálni és telepíteni alkalmazásaikkal.
28 Hours