コース概要
導入
- Azure 上の Kubeflow vs オンプレミス vs 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
導入プロセスの概要
Azure アカウントのアクティブ化
GPU が有効な仮想マシンの準備と起動
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
AKS 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
トレーニング ジョブを開始します。
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。
- 機械学習機能のアプリケーションへの統合とデプロイを自動化したいソフトウェアエンジニア 。
お客様の声 (3)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
コース - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life™
コース - Kubeflow
The course, Trainer