コース概要

導入

  • Kubeflow AWS 対オンプレミス対他のパブリック クラウド プロバイダー

Kubeflow 機能とアーキテクチャの概要

AWS アカウントのアクティブ化

GPU が有効な AWS インスタンスの準備と起動

ユーザーの役割と権限の設定

ビルド環境の準備

TensorFlow モデルとデータセットの選択

コードとフレームワークを Docker イメージにパッケージ化する

EKS を使用した Kubernetes クラスターのセットアップ

トレーニングおよび検証データのステージング

Kubeflow パイプラインの構成

EKS で Kubeflow を使用してトレーニング ジョブを起動する

実行時のトレーニング ジョブの視覚化

ジョブ完了後のクリーンアップ

トラブルシューティング

要約と結論

要求

  • 機械学習の概念を理解していること
  • クラウドコンピューティングの概念に関する知識
  • コンテナ(Docker)とオーケストレーション(Kubernetes)の一般的な理解
  • 何らかのPythonプログラミング経験があると便利です
  • コマンドラインでの作業経験

観客

  • データサイエンスエンジニア
  • DevOps機械学習モデルのデプロイに興味があるエンジニア
  • 機械学習モデルのデプロイに興味があるインフラエンジニア 機械学習機能をアプリケーションに統合してデプロイしたいソフトウェアエンジニア。
  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.

Price per participant

関連コース

関連カテゴリー