Nagoya - Meieki Minami

〒450-0002愛知県名古屋市中村区名駅5-31-10リンクス名駅ビル 5階・6階, 名古屋, 日本, 450-0002
日本第三の都市、愛知県名古屋市。そのターミナル駅である名古屋駅の中心地、名駅エリア...

Subcategories (2)

Image for MLflow category
MLflow
Image for Kubeflow category
Kubeflow

Explore Our Courses

Kubeflow on AWS

28 時間
このインストラクターによるライブトレーニングは、AWS EC2サーバーにワークロードをデプロイしたいエンジニアを対象としています。 このトレーニングの終了時までに、参加者は以下のことができるようになります：
  • Kubernetes、Kubeflow、その他必要なソフトウェアをAWS上にインストールし、設定する
    • 。
  • EKS（エラスティックKubernetesサービス）を使用して、AWS上のKubernetesクラスタを初期化する作業を簡素化する
    • 。
  • 本番環境でMLモデルを自動化し管理するためのKubernetesパイプラインを作成し、デプロイする
    • 。
  • 複数のGPUとマシンで並行して動作するTensorFlowMLモデルをトレーニングしてデプロイする。
  • 他のAWSマネージドサービスを活用してMLアプリケーションを拡張する
    • 。
続きを読む...

Kubeflow on Azure

28 時間
このインストラクターによるライブトレーニングは、Azureクラウドにワークロードをデプロイしたいエンジニアを対象としています。 このトレーニングの終了時までに、参加者は以下のことができるようになります：
  • Kubernetes、Kubeflow、およびその他の必要なソフトウェアをAzure上にインストールして設定します。
  • Azure Kubernetes Service（AKS）を使用して、Azure上のKubernetesクラスターを初期化する作業を簡素化する
    • 。
  • 本番環境でMLモデルを自動化および管理するためのKubernetesパイプラインを作成し、デプロイする
    • 。
  • 複数のGPUとマシンで並行して動作するTensorFlowMLモデルをトレーニングしてデプロイする
    • 。
  • 他のAWSマネージドサービスを活用してMLアプリケーションを拡張する
    • 。
続きを読む...

Kubeflow on GCP

28 時間
このインストラクターによるライブトレーニングは、Google Cloud Platform（GCP）にワークロードをデプロイしたいエンジニアを対象としています。 このトレーニングの終了時までに、参加者は以下のことができるようになります：
  • GCPとGKEにKubernetes、Kubeflow、その他必要なソフトウェアをインストールし、設定する
    • 。
  • GKE（KubernetesのKubernetesエンジン）を使用して、GCP上のKubernetesクラスタを初期化する作業を簡素化する。
  • 本番環境でMLモデルを自動化・管理するためのKubernetesパイプラインを作成し、デプロイする
    • 。
  • 複数のGPUとマシンで並行して動作するTensorFlowMLモデルをトレーニングしてデプロイする
    • 。
  • MLアプリケーションを拡張するために他のGCPサービスを利用する
    • 。
続きを読む...

Kubeflow on IBM Cloud

28 時間
このインストラクターによるライブ・トレーニングは、IBM Cloud Kubernetes Service (IKS) に Machine Learning ワークロードをデプロイしたいエンジニアを対象としています。 このトレーニングの終了時までに、参加者は以下のことができるようになります：
  • Kubernetes、Kubeflow、およびその他の必要なソフトウェアをIBM Cloud Kubernetes Service（IKS）にインストールして設定します。
  • IKSを使用して、IBM Cloud上でKubernetesクラスターを初期化する作業を簡素化します。
  • 本番環境でMLモデルを自動化および管理するためのKubernetesパイプラインを作成し、デプロイする
    • 。
  • 複数のGPUとマシンで並行して動作するTensorFlowMLモデルをトレーニングしてデプロイする
    • 。
  • MLアプリケーションを拡張するために他のIBM Cloudサービスを活用する
    • 。
続きを読む...

MLOps: CI/CD for Machine Learning

35 時間
このインストラクターによるライブ・トレーニングは、現在利用可能なアプローチやツールを評価し、組織内でMLOpsを採用するための賢明な決断を下したいエンジニアを対象としています。 このトレーニングの終了時までに、参加者は以下のことができるようになります：
  • さまざまなMLOpsフレームワークやツールをインストールし、設定する。
  • MLOpsシステムを構築しサポートするために、適切なスキルを持った適切な種類のチームを編成する
    • 。
  • MLモデルで使用するデータを準備し、検証し、バージョン管理する
    • 。
  • MLパイプラインの構成要素と、構築に必要なツールを理解する
    • 。
  • 本番環境にデプロイするために、さまざまな機械学習フレームワークとサーバーを試してみる。
  • 機械学習プロセス全体を運用し、再現性と保守性を確保する
    • 。
続きを読む...

Kubeflow

35 時間
このインストラクターによるライブトレーニングは、Kubernetes上で機械学習ワークフローの構築、デプロイ、管理を希望する開発者やデータサイエンティストを対象としています。 このトレーニングの終了時までに、参加者は以下のことができるようになります：
  • AWS EKS（Elastic Kubernetes Service）を使用して、オンプレミスおよびクラウド上でKubeflowをインストールおよび設定します。
  • DockerコンテナとKubernetesに基づいてMLワークフローを構築、デプロイ、管理する
    • 。
  • 多様なアーキテクチャとクラウド環境で機械学習パイプライン全体を実行する
    • 。
  • Kubeflowを使用してJupyterノートブックを起動し管理する
    • 。
  • MLのトレーニング、ハイパーパラメーターのチューニング、および複数のプラットフォームにわたるワークロードのサービングを構築する
    • 。
続きを読む...

Kubeflow on OpenShift

28 時間
このインストラクターによるライブトレーニング（オンラインまたはオンサイト）は、OpenShiftオンプレミスまたはハイブリッドクラウドに機械学習ワークロードをデプロイしたいエンジニアを対象としています。
  • このトレーニングの終わりまでに、参加者は以下のことができるようになります:
    • 。
  • OpenShiftクラスターにKubernetesとKubeflowをインストールし、設定する
    • 。
  • OpenShiftを使用して、Kubernetesクラスターを初期化する作業を簡素化する
    • 。
  • 本番環境でMLモデルを自動化・管理するためのKubernetesパイプラインを作成し、デプロイする
    • 。
  • 複数のGPUとマシンで並行して動作するTensorFlowMLモデルをトレーニングし、デプロイする
    • 。
  • OpenShift内からパブリッククラウドサービス (AWSサービスなど) を呼び出し、MLアプリケーションを拡張する
    • 。
続きを読む...

Kubeflow Fundamentals

28 時間
このインストラクターによるライブトレーニングは、Kubernetes上で機械学習ワークフローの構築、デプロイ、管理を希望する開発者やデータサイエンティストを対象としています。 このトレーニングの終了時までに、参加者は以下のことができるようになります：
  • Kubeflowをオンプレミスおよびクラウドにインストールし、設定する。
  • DockerコンテナとKubernetesに基づくMLワークフローの構築、デプロイ、管理
    • 。
  • 多様なアーキテクチャやクラウド環境で機械学習パイプライン全体を実行する
    • 。
  • Kubeflowを使用してJupyterノートブックを生成し、管理する
    • 。
  • MLのトレーニング、ハイパーパラメーターのチューニング、および複数のプラットフォームにわたるワークロードのサービングを構築する
    • 。
続きを読む...

MLflow

21 時間
このインストラクターによるライブトレーニング（オンラインまたはオンサイト）は、MLモデルを構築するだけでなく、MLモデルの作成、追跡、およびデプロイメントプロセスの最適化を希望するデータサイエンティストを対象としています。 このトレーニングの終了時までに、参加者は以下のことができるようになります：
  • MLflowと関連するMLライブラリやフレームワークをインストールし、設定する
    • 。
  • MLモデルの追跡可能性、再現可能性、デプロイ可能性の重要性を理解する
    • 。
  • MLモデルをさまざまなパブリッククラウド、プラットフォーム、またはオンプレミスのサーバーにデプロイする
    • 。
  • MLのデプロイメントプロセスを拡張して、プロジェクトで共同作業する複数のユーザーに対応する
    • 。
  • MLモデルの実験、再現、デプロイのための中央レジストリをセットアップする
    • 。
続きを読む...

Last Updated:

お客様の声 (2)

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 ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose

Guillaume GAUTIER - OLEA MEDICAL
コース - MLflow

Upcoming Courses

Other regions in 日本

他の国

これらのコースは他の国でもあります>>

コンサルティング

MLOps コンサルティング
名古屋のMLOpsトレーニングコース, 名古屋の週末MLOpsコース, 名古屋の夜のMLOpsトレーニング, 名古屋のインストラクターによるMLOpss, 名古屋のMLOpsトレーナー, 名古屋の週末MLOpsトレーニング, 名古屋の夜のMLOpsコース, 名古屋のMLOps指導, 名古屋のMLOpsクラス, 名古屋のMLOpsインストラクター, 名古屋のオンサイトのMLOpssトレーニング, 名古屋のMLOpsプライベートコース, 名古屋のインストラクターによるMLOpss, 名古屋のMLOps1対1のトレーニング, 名古屋のMLOpsブートキャンプ
1