
Os cursos de treinamento ao vivo Kubeflow , ministrados por instrutores do Kubeflow demonstram, através da prática interativa, como usar o Kubeflow para criar, implantar e gerenciar fluxos de trabalho de aprendizado de máquina no Kubernetes . Kubeflow treinamento Kubeflow está disponível como "treinamento ao vivo no local" ou "treinamento ao vivo remoto". O treinamento ao vivo no local pode ser realizado localmente nas instalações do cliente em Portugal ou nos centros de treinamento corporativo NobleProg em Portugal . O treinamento remoto ao vivo é realizado por meio de uma área de trabalho remota interativa. NobleProg - Seu provedor de treinamento local
Machine Translated
Declaração de Clientes
Ajustando às nossas necessidades
Sumitomo Mitsui Finance and Leasing Company, Limited
Curso: Kubeflow
Machine Translated
Programa de curso Kubeflow
-
Instale e configure Kubeflow na premisa e na nuvem usando o AWS EKS (Serviço Elástico Kubernetes).
Construir, implantar e gerenciar fluxos de trabalho ML com base em Docker contêineres e Kubernetes.
Execute todos os tubos de aprendizagem de máquina em várias arquiteturas e ambientes em nuvem.
Usando Kubeflow para esfregar e gerenciar notebooks Jupyter.
Construa treinamento ML, tuning de hiperparâmetros e servindo cargas de trabalho em várias plataformas.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
-
Instalar e configurar Kubernetes, Kubeflow e outros softwares necessários no AWS.
Use o EKS (Serviço Elástico Kubernetes) para simplificar o trabalho de iniciar um cluster Kubernetes na AWS.
Criar e implantar um Kubernetes pipeline para automatizar e gerenciar modelos ML na produção.
Treinando e implantando TensorFlow modelos ML em múltiplos GPUs e máquinas que funcionam em paralelo.
Livrar outros serviços gerenciados pela AWS para estender uma aplicação ML.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
-
Instalar e configurar Kubernetes, Kubeflow e outros softwares necessários em Azure.
Use Azure Kubernetes Serviço (AKS) para simplificar o trabalho de iniciar um Kubernetes cluster em Azure.
Criar e implantar um Kubernetes pipeline para automatizar e gerenciar modelos ML na produção.
Treinando e implantando TensorFlow modelos ML em múltiplos GPUs e máquinas que funcionam em paralelo.
Livrar outros serviços gerenciados pela AWS para estender uma aplicação ML.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
-
Instalar e configurar Kubernetes, Kubeflow e outros softwares necessários no GCP e GKE.
Use o GKE (Kubernetes Kubernetes Motor) para simplificar o trabalho de iniciar um Kubernetes cluster no GCP.
Criar e implantar um Kubernetes pipeline para automatizar e gerenciar modelos ML na produção.
Treinando e implementando TensorFlow modelos ML em múltiplos GPUs e máquinas que funcionam em paralelo.
Livrar outros serviços GCP para estender uma aplicação ML.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
-
Instalar e configurar Kubernetes, Kubeflow e outros softwares necessários no IBM Cloud Kubernetes Service (IKS).
Use o IKS para simplificar o trabalho de iniciar um Kubernetes cluster na IBM Cloud.
Criar e implantar um Kubernetes pipeline para automatizar e gerenciar modelos ML na produção.
Treinando e implantando TensorFlow modelos ML em múltiplos GPUs e máquinas que funcionam em paralelo.
Leve outros serviços da IBM Cloud para expandir um aplicativo ML.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
-
No final do curso, os participantes poderão:
A partir de então, a Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow
Use OpenShift para simplificar o trabalho de iniciar um Kubernetes cluster.
Criar e implantar um Kubernetes pipeline para automatizar e gerenciar modelos ML na produção.
Treinando e implantando TensorFlow modelos ML em múltiplos GPUs e máquinas que funcionam em paralelo.
Chame serviços de nuvem pública (por exemplo, serviços da AWS) de dentro OpenShift para estender uma aplicação ML.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
-
Instale e configure Kubeflow na premisa e na nuvem.
Construir, implantar e gerenciar fluxos de trabalho ML com base em Docker contêineres e Kubernetes.
Execute todos os tubos de aprendizagem de máquina em várias arquiteturas e ambientes em nuvem.
Usando Kubeflow para esfregar e gerenciar notebooks Jupyter.
Construa treinamento ML, tuning de hiperparâmetros e servindo cargas de trabalho em várias plataformas.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
Para saber mais sobre Kubeflow, por favor visite: https://github.com/kubeflow/kubeflow
Last Updated: