コース概要

導入

Kubeflow 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

Machine Learning パイプラインの概要

  • トレーニング、テスト、チューニング、展開など。

Kubeflow を Kubernetes クラスターにデプロイする

  • 実行環境の準備(トレーニングクラスター、本番クラスターなど)
  • ダウンロード、インストール、カスタマイズ。

Kubernetes で Machine Learning パイプラインを実行する

  • TensorFlow パイプラインを構築します。
  • PyTorch パイプラインの構築。

結果の視覚化

  • パイプラインメトリクスのエクスポートと視覚化

実行環境のカスタマイズ

  • 多様なインフラストラクチャに合わせて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

Kubeflow をパブリック クラウドで実行する

  • AWS、Microsoft Azure、Google クラウド プラットフォーム

制作ワークフローの管理

  • GitOps 手法を使用した実行
  • ジョブのスケジュール設定
  • Jupyter ノートブックの生成

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
  • 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) 

観客

  • 開発者
  • データサイエンティスト
  28 時間
 

参加者の人数


開始

完了


Dates are subject to availability and take place between 10:00 and 17:00.
Open Training Courses require 5+ participants.

関連コース

関連カテゴリー