Kontaktirajte nas
 Trajanje 14 sati

Sadržaj kursa

Uvod u Kubeflow

  • Razumevanje misije i arhitekture Kubeflowa
  • Pregled osnovnih komponenti i ekosistema
  • Opcije raspodele i mogućnosti platforme

Rad sa Kubeflow dashboardom

  • Navigacija kroz korisnički interfejs
  • Upravljanje sveskim i radnim prostorima
  • Integracija skladišta podataka i izvora podataka

Osnove Kubeflow Pipelines

  • Struktura cevi i dizajn komponenti
  • Napredno programiranje cevi uz pomoć Python SDK
  • Izvršavanje, raspored i praćenje izvršenja cevi

Obuka modela mašinskog učenja na Kubeflou

  • Uzorci distribuirane obuke
  • Korišćenje TFJob, PyTorchJob i drugih operatera
  • Upravljanje resursima i automatsko skaliranje na Kubernetesu

Serviranje modela sa Kubeflowom

  • Pregled KFServing / KServe
  • Raspodela modela sa prilagođenim runtime-ovima
  • Upravljanje revizijama, skaliranjem i usmeravanjem saobraćaja

Upravljanje tokovima rada mašinskog učenja na Kubernetesu

  • Verzionisanje podataka, modela i artefakata
  • Integracija CI/CD za mašinske tokove
  • Bezbednost i kontrola pristupa na osnovu uloga

Najbolje prakse za produkciju mašinskog učenja

  • Dizajn pouzdanog uzoraka tokova rada
  • Posmatrljivost i praćenje
  • Rešavanje čestih problema sa Kubeflowom

Napredne teme (opciono)

  • Multi-tenant Kubeflow okruženja
  • Scenariji hibridne i multi-klasterske raspodele
  • Širenje Kubeflowa sa prilagođenim komponentama

Zaključak i sledeći koraci

Uslovi

  • Razumevanje kontejnerizovanih aplikacija
  • Iskustvo sa osnovnim komandnim linijama
  • Znanje o konceptima Kubernetesa

Publika

  • Praktičari mašinskog učenja
  • Naучni radnici podataka
  • DevOps timovi novajlije u Kubeflou

Broj učesnika


Cena po učesniku

Iskustva korisnika (4)

Predstojeći kursevi

Povezane kategorije