Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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