
Online ou no local, os cursos de treinamento ao vivo do Kubeflow conduzidos por instrutor demonstram, por meio da prática interativa, como usar o Kubeflow para criar, implantar e gerenciar fluxos de trabalho de aprendizado de máquina no Kubernetes. O treinamento do Kubeflow está disponível como "treinamento ao vivo online" ou "treinamento ao vivo no local". O treinamento on-line ao vivo (também conhecido como "treinamento remoto ao vivo") é realizado por meio de uma área de trabalho remota e interativa. O treinamento ao vivo no local pode ser realizado localmente nas instalações do cliente em Portugal ou nos centros de treinamento corporativo da NobleProg em Portugal. NobleProg -- Seu provedor de treinamento local
Machine Translated
Kubeflow Course Outlines
-
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 deste treinamento, os participantes serão capazes de:
Instale e configure o Kubernetes e o Kubeflow em um cluster OpenShift.
Use o OpenShift para simplificar o trabalho de inicialização de um cluster Kubernetes.
Criar e implantar um pipeline do Kubernetes para automatizar e gerenciar modelos de ML na produção.
Treinar e implantar TensorFlow modelos de ML em várias GPUs e máquinas executadas em paralelo.
Chamar serviços de nuvem pública (por exemplo, serviços AWS) de dentro do OpenShift para estender um aplicativo de ML.
-
Aula e debate interactivos.
Muitos exercícios e práticas.
Implementação prática num ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, contacte-nos para combinar.
-
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: