コース概要
導入
- Kubernetes の紹介
- Kubeflow 機能とアーキテクチャの概要
- Kubeflow AWS vs オンプレミス vs 他のパブリック クラウド プロバイダー
AWS EKS を使用したクラスターのセットアップ
Microk8s を使用したオンプレミス クラスターのセットアップ
GitOps アプローチを使用したデプロイ Kubernetes
データストレージのアプローチ
Kubeflow パイプラインの作成
パイプラインのトリガー
出力アーティファクトの定義
データセットとモデルのメタデータの保存
TensorFlow によるハイパーパラメータ調整
結果の視覚化と分析
マルチGPUトレーニング
ML モデルをデプロイするための推論サーバーの作成
JupyterHub の操作
Networking と負荷分散
Kubernetes クラスターの自動スケーリング
トラブルシューティング
要約と結論
要求
- Pythonの構文に精通していること。
- Tensorflow、PyTorch、またはその他の機械学習フレームワークの経験
- 必要なリソースを持つAWSアカウント 。
観客
- 開発者 データサイエンティスト
お客様の声 (1)
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.