コース概要

導入

  • Kubeflow on OpenShift 対パブリック クラウド マネージド サービス

Kubeflow on OpenShiftの概要

  • コード読み取りコンテナ
  • ストレージオプション

環境設定の概要

  • Kubernetes クラスターのセットアップ

セットアップKubeflow on OpenShift

  • インストールKubeflow

モデルのコーディング

  • ML アルゴリズムの選択
  • TensorFlow CNN モデルの実装

データの読み取り

  • データセットをAccess実行する

OpenShift の Kubeflow パイプライン

  • エンドツーエンド Kubeflow パイプラインのセットアップ
  • Kubeflow パイプラインのカスタマイズ

ML トレーニング ジョブの実行

  • モデルのトレーニング

モデルのデプロイ

  • OpenShift でトレーニング済みモデルを実行する

モデルを Web アプリケーションに統合する

  • サンプルアプリケーションの作成
  • 予測リクエストの送信

管理 Kubeflow

  • Tensorboard によるモニタリング
  • ログの管理

Kubeflow クラスターの確保

  • 認証と認可の設定

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
  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.
Open Training Courses require 5+ participants.

お客様の声 (4)

関連コース

関連カテゴリー