お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
期間 14 時間
コース概要
Kubeflowへの導
- Kubeflowのミッションとアーキテクチャの理解
- コアコンポーネントとエコシステム概要
- デプロイオプションとプラットフォーム機能
Kubeflow Dashboardの使用
- ユーザーインターフェースのナビゲーション
- ノートブックとワークスペースの管理
- ストレージとデータソースの統合
Kubeflow Pipelinesの基礎
- パイプライン構造とコンポーネント設計
- Python SDKを用いたパイプラインの作成
- パイプラインの実行、スケジュール設定、および実行の監視
KubeflowでのMLモデルの学習
- 分散学習パターン
- TFJob、PyTorchJob、および他のオペレーターの使用
- Kubernetesでのリソース管理与オートスケーリング
Kubeflowによるモデルサービング
- KFServing / KServeの概要
- カスタムランタイムによるモデルのデプロイ
- リビジョン、スケーリング、トラフィックルーティングの管理
KubernetesでのMLワークフローの管理
- データ、モデル、成果物のバージョニング
- MLパイプラインへのCI/CDの統合
- セキュリティとロールベースアクセス制御(RBAC)
プロダクションMLのベストプラクティス
- 信頼性の高いワークフローパターンの設計
- オブザーバビリティと監視
- Kubeflowの一般的な問題のトラブルシューティング
上級トピック(任意)
- マルチテナントKubeflow環境
- ハイブリッドおよびマルチクラスターデプロイシナリオ
- カスタムコンポーネントによるKubeflowの拡張
まとめと次のステップ
要求
- コンテナ化されたアプリケーションに関する理解
- 基本的なコマンドラインワークフローでの経験
- Kubernetesの概念への familiarité
対象読者
- MLプラクティショナー
- データサイエンティスト
- Kubeflowに初めて触れるDevOpsチーム
お客様の声 (1)
今回のトレーニングではKubernetesの部分が特に良かったです。K8sのポッドやポートに関するタスクがありましたが、理解が深まったので大変助かりました。ありがとうございました!
Laura Miron - Betfair
コース - Docker and Kubernetes
機械翻訳