Programa do Curso
Introdução
- Introdução ao Kubernetes
- Visão geral dos recursos e da arquitetura da Kubeflow
- Kubeflow no AWS vs no local vs noutros fornecedores de nuvem pública
Configurar um cluster usando o AWS EKS
Configuração de um cluster local usando Microk8s
Implantação Kubernetes usando uma abordagem GitOps
Abordagens de armazenamento de dados
Criar um Kubeflow pipeline
Acionamento de um pipeline
Definição de artefactos de saída
Armazenamento de metadados para conjuntos de dados e modelos
Afinação de hiperparâmetros com TensorFlow
Visualização e análise dos resultados
Formação Multi-GPU
Criação de um servidor de inferência para implantação de modelos de ML
Trabalhar com o JupyterHub
Networking e Balanceamento de Carga
Escalonamento automático de um cluster Kubernetes
Resolução de problemas
Resumo e conclusão
Requisitos
- Familiaridade com a sintaxe Python
- Experiência com Tensorflow, PyTorch, ou outro framework de aprendizado de máquina
- Uma conta AWS com os recursos necessários
Público
- Desenvolvedores
- Cientistas de dados
Declaração de Clientes (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.