お問い合わせ

コース概要

Kubeflow入門

  • Kubeflowの目的およびアーキテクチャについて理解する
  • 主要コンポーネントとエコシステム概要を把握する
  • デプロイメントの選択肢およびプラットフォーム機能について学ぶ

Kubeflowダッシュボードの活用方法

  • ユーザーインターフェースの操作方法を習得する
  • ノートブックやワークスペースの管理手法を理解する
  • ストレージおよびデータソースとの連携方法を学ぶ

Kubeflow Pipelinesの基礎知識

  • パイプラインの構造とコンポーネント設計について学ぶ
  • Python SDKを用いてパイプラインを作成する方法
  • パイプラインの実行・スケジューリングおよび監視手法を習得する

Kubeflowにおける機械学習モデルの訓練方法

  • 分散型訓練の手法について理解する
  • TFJobやPyTorchJobなどのオペレーターを利用した訓練方法
  • Kubernetesにおけるリソース管理および自動スケーリング機能について学ぶ

Kubeflowを活用したモデル提供手法

  • KFServing/KServeの概要と仕組みについて理解する
  • カスタムランタイムを用いたモデルデプロイメント手法
  • リビジョンの管理、スケーリング設定およびトラフィック制御方法

Kubernetes上での機械学習ワークフロー管理手法

  • データ・モデル・アーティファクトのバージョン管理方法について理解する
  • MLパイプライン向けCI/CDプロセスとの統合手法
  • セキュリティ対策およびロールベースアクセス制御について学ぶ

実用レベルでの機械学習導入のための最適な運用手法

  • 信頼性の高いワークフローパターンの設計方法
  • 可視化およびモニタリング手法について学ぶ
  • Kubeflowでよく発生する問題のトラブルシューティング手法

高度なテーマ(任意選択)

  • 複数のユーザーが利用するKubeflow環境構築法
  • Hybridおよびマルチクラスター環境でのデプロイメント手法
  • 独自コンポーネントを用いたKubeflowの拡張方法について学ぶ

まとめおよび今後のステップ案内
}

要求

  • コンテナ化されたアプリケーションに関する理解があること
  • 基本的なコマンドライン操作の経験があること
  • Kubernetesの概念に精通していることが望ましい

対象者層

  • 機械学習実務家の方々
  • データサイエンティストの方々
  • Kubeflowを初めて扱うDevOpsチームの皆様
 14 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (4)

今後のコース

関連カテゴリー