Course Outline

Εισαγωγή

    Εισαγωγή στο Kubernetes Επισκόπηση Kubeflow Χαρακτηριστικών και Αρχιτεκτονικής Kubeflow σε AWS έναντι on-premise έναντι άλλων δημόσιων παρόχων cloud

Ρύθμιση συμπλέγματος χρησιμοποιώντας AWS EKS

Ρύθμιση ενός συμπλέγματος On-Premise χρησιμοποιώντας το Microk8s

Ανάπτυξη του Kubernetes χρησιμοποιώντας μια προσέγγιση GitOps

Προσεγγίσεις αποθήκευσης δεδομένων

Δημιουργία Kubeflow Pipeline

Ενεργοποίηση αγωγού

Καθορισμός τεχνουργημάτων εξόδου

Αποθήκευση μεταδεδομένων για σύνολα δεδομένων και μοντέλα

Συντονισμός υπερπαραμέτρων με TensorFlow

Οπτικοποίηση και ανάλυση των αποτελεσμάτων

Multi-GPU Προπόνηση

Δημιουργία διακομιστή συμπερασμάτων για την ανάπτυξη μοντέλων ML

Εργασία με το JupyterHub

Networking και Load Balancing

Αυτόματη κλιμάκωση Kubernetes συμπλέγματος

Αντιμετώπιση προβλημάτων

Περίληψη και Συμπέρασμα

Requirements

  • Εξοικείωση με τη σύνταξη Python
  • Εμπειρία με το Tensorflow, το PyTorch ή άλλο πλαίσιο μηχανικής εκμάθησης
  • Ένας λογαριασμός AWS με τους απαραίτητους πόρους

Ακροατήριο

  • προγραμματιστές
  • Επιστήμονες δεδομένων
  35 Hours
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Testimonials (1)

Related Courses

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

  21 Hours

Related Categories