Εξέλιξη Κομματιού
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
Απαιτήσεις
- 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
Σχόλια (1)
Καπνίστηκα συμμετέχοντας στην εκπαίδευση Kubeflow, η οποία διεξήχθη απόδεσμα. Αυτή η εκπαίδευση μου παρέσχε τη δυνατότητα να συγκεντρύνω γνώσεις για υπηρεσίες AWS, K8s και όλα τα εργαλεία devOps που αφορούν το Kubeflow, τα οποία αποτελούν τις απαραίτητες βάσεις για να κατανοήσω επαρκώς το θέμα. Θέλω να ευχαριστήσω τον Malawski Marcin για την υπομονή και την επιγνωμοσύνη του στην εκπαίδευση και τη συμβουλή πάνω σε αρχές καλών πρακτικών. Ο Malawski προσεγγίζει το θέμα από διάφορες γωνίες, χρησιμοποιώντας διάφορα εργαλεία διανομής όπως το Ansible, EKS kubectl, Terraform. Τώρα είμαι σίγουρος πως κινούμαι στη σωστή κατεύθυνση.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Κομμάτι - Kubeflow
Μηχανική Μετάφραση