Kurzusleírás

Bevezetés

  • Kubeflow a Azure-on, illetve a helyszíni és más nyilvános felhőszolgáltatóknál

A Kubeflow jellemzők és felépítés áttekintése

A telepítési folyamat áttekintése

Egy Azure fiók aktiválása

GPU-kompatibilis virtuális gépek 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 AKS használatával

A képzési és érvényesítési adatok szakaszosítása

Kubeflow Csővezetékek konfigurálása

Képzési munka indítása.

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.
  • Infrastruktúramérnökök, akik érdeklődnek a gépi tanulási modell bevezetése iránt.
  • Szoftvermérnökök, akik automatizálni kívánják a gépi tanulási funkciók integrációját és telepítését alkalmazásaikkal.
  28 Hours
 

Résztvevők száma


Tanfolyam kezdete

Tanfolyam vége


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Vélemények (3)

Rokon tanfolyam

Rokon kategóriák