Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Programa del Curso
Introducción
- Kubeflow en IKS vs on-premise vs en otros proveedores de nube pública
Visión general de Kubeflow Características de IBM Cloud
- IKs
- IBM Cloud Object Storage
Información general sobre la configuración del entorno
- Preparación de máquinas virtuales
- Configuración de un clúster Kubernetes
Configuración Kubeflow on IBM Cloud
- Instalación Kubeflow a través de IKS
Codificación del modelo
- Elección de un algoritmo de ML
- Implementación de un modelo TensorFlow CNN
Lectura de los datos
- Accessen el conjunto de datos MNIST
Pipelines en IBM Cloud
- Configuración de una canalización de un extremo a otro Kubeflow
- Personalización Kubeflow de canalizaciones
Ejecución de un trabajo de entrenamiento de ML
- Entrenamiento de un modelo MNIST
Implementación del modelo
- Ejecución TensorFlow Prestación de servicios en IKS
Integración del modelo en una aplicación web
- Creación de una aplicación de ejemplo
- Envío de solicitudes de predicción
Administración Kubeflow
- Monitoreo con Tensorboard
- Administración de registros
Protección de un clúster Kubeflow
- Configuración de la autenticación y la autorización
Solución de problemas
Resumen y conclusión
Requerimientos
- Comprensión de los conceptos de aprendizaje automático.
- Conocimiento de los conceptos de computación en la nube.
- Conocimientos generales de contenedores (Docker) y orquestación (Kubernetes).
- Algo de Python experiencia en programación es útil.
- Experiencia trabajando con una línea de comandos.
Audiencia
- Ingenieros en ciencia de datos.
- DevOps Ingenieros interesados en la implementación de modelos de aprendizaje automático.
- Ingenieros de infraestructura interesados en la implementación de modelos de aprendizaje automático.
- Ingenieros de software que deseen automatizar la integración y el despliegue de funciones de aprendizaje automático con su aplicación.
28 horas
Testimonios (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curso - MLflow
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.
