お問い合わせ

コース概要

イントロダクション

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、チューニング、デプロイなど

Kubernetes クラスタへの Kubeflow のデプロイ

  • 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、およびカスタマイズ。

Kubernetes 上で機械学習パイプラインの実行

  • 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

  • 多様なインフラストラクチャ向けのスタックのカスタマイズ
  • Kubeflow デプロイのアップグレード

パブリッククラウドでの Kubeflow の実行

  • AWS、Microsoft Azure、Google Cloud Platform

プロダクションワークフローの管理

  • GitOps 手法を用いた実行
  • ジョブのスケジューリング
  • Jupyter Notebook のスロープ(起動)

トラブルシューティング

まとめと結論

要求

  • Python 構文の基礎知識
  • TensorFlow、PyTorch、またはその他の機械学習フレームワークの実務経験
  • パブリッククラウドプロバイダーのアカウント(任意)

対象者

  • 開発者
  • データサイエンティスト
 28 時間

参加者の人数


参加者1人あたりの価格

今後のコース

関連カテゴリー