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
  35 horas
 

Declaração de Clientes (1)

Cursos Relacionados

Categorias Relacionadas