Programa do Curso
Introdução
- Kubeflow no IKS vs no local vs noutros fornecedores de serviços de computação em nuvem pública
Visão geral dos recursos Kubeflow no IBM Cloud
- IKS
- Armazenamento de objectos em nuvem da IBM
Visão geral da configuração do ambiente
- Preparar máquinas virtuais
- Configurar um cluster Kubernetes
Configuração Kubeflow on IBM Cloud
- Instalação de Kubeflow através do IKS
Codificação do modelo
- Seleção de um algoritmo ML
- Implementação de um modelo TensorFlow CNN
Ler os dados
- Accesso conjunto de dados MNIST
Pipelines na IBM Cloud
- Configurar um pipeline Kubeflow de ponta a ponta
- Personalizar Kubeflow pipelines
Executar um trabalho de formação ML
- Treinar um modelo MNIST
Implementação do modelo
- A funcionar TensorFlow A servir no IKS
Integrar o modelo numa aplicação Web
- Criar uma aplicação de amostra
- Envio de pedidos de previsão
Administrar Kubeflow
- Monitorização com Tensorboard
- Gerir registos
Proteger um Kubeflow Cluster
- Configurar a autenticação e a autorização
Resolução de problemas
Resumo e conclusão
Requisitos
- Compreensão dos conceitos de aprendizagem automática.
- Conhecimento dos conceitos de computação em nuvem.
- Um entendimento geral de contêineres (Docker) e orquestração (Kubernetes).
- Alguma experiência de programação Python é útil.
- Experiência de trabalho com uma linha de comando.
Público
- Engenheiros de ciência de dados.
- DevOps engenheiros interessados na implantação de modelos de aprendizado de máquina.
- Engenheiros de infraestrutura interessados na implantação de modelos de aprendizado de máquina.
- Engenheiros de software que desejam automatizar a integração e a implantação de recursos de aprendizado de máquina com seu aplicativo.
Declaração de Clientes (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curso - MLflow
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.