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
  35 時間

参加者の人数



Price per participant

お客様の声 (1)

関連コース

関連カテゴリー