お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
コース概要
導入
Kubeflowの機能とコンポーネントの概要
- コンテナ、マニフェストなど。
機械学習パイプラインの概要
- トレーニング、テスト、調整、デプロイなど。
KubernetesクラスターにKubeflowを展開する
- 実行環境の準備(トレーニングクラスタ、プロダクションクラスタなど)。
- ダウンロード、インストール、カスタマイズ。
Kubernetes上で機械学習パイプラインを実行する
- TensorFlowパイプラインの構築。
- PyTorchパイプラインの構築。
結果の可視化
- パイプラインメトリクスのエクスポートと可視化。
実行環境のカスタマイズ
- 異なるインフラストラクチャ用にスタックをカスタマイズする。
- Kubeflowデプロイメントのアップグレード。
パブリッククラウドでKubeflowを実行する
- AWS、Microsoft Azure、Google Cloud Platform。
生産ワークフローの管理
- GitOpsメソドロジーでの実行。
- ジョブのスケジューリング。
- Jupyterノートブックの生成。
トラブルシューティング
まとめと結論
要求
- Pythonの文法に精通していること。
- Tensorflow、PyTorch、または他の機械学習フレームワークを使用した経験。
- パブリッククラウドプロバイダーのアカウント(オプション)。
対象者
- 開発者
- データサイエンティスト
28 時間