Course Outline
Εισαγωγή
- Εισαγωγή στο Kubernetes
- Επισκόπηση Kubeflow Χαρακτηριστικά και Αρχιτεκτονική
- Kubeflow σε AWS έναντι on-premise έναντι άλλων παρόχων δημόσιου 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
Testimonials (1)
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.