Plan du cours

Introduction

  • Kubeflow on OpenShift vs services gérés dans le cloud public

Aperçu de Kubeflow on OpenShift

  • Conteneurs de lecture de code
  • Options de stockage

Présentation de la configuration de l'environnement

  • Configuration d'un cluster Kubernetes

Configuration Kubeflow on OpenShift

  • Installation Kubeflow

Codage du modèle

  • Choisir un algorithme ML
  • Implémentation d'un modèle CNN TensorFlow

Lecture des données

  • Accessing un ensemble de données

Pipelines Kubeflow sur OpenShift

  • Mise en place d'un pipeline de bout en bout Kubeflow
  • Personnalisation des pipelines Kubeflow

Exécuter une tâche de formation ML

  • Entraîner un modèle

Déploiement du modèle

  • Exécuter un modèle entraîné sur OpenShift

Intégration du modèle dans une application Web

  • Création d'un exemple d'application
  • Envoi de demandes de prédiction

Administration Kubeflow

  • Surveillance avec Tensorboard
  • Gestion des journaux

Sécuriser un cluster Kubeflow

  • Configuration de l'authentification et de l'autorisation

Dépannage

Sommaire et conclusion.

Pré requis

  • Une compréhension des concepts d'apprentissage automatique.
  • Une connaissance des concepts de l'informatique en nuage.
  • Une compréhension générale des conteneurs (Docker) et de l'orchestration (Kubernetes).
  • Une certaine expérience de la programmation Python est utile.
  • Expérience du travail en ligne de commande.

Audience

  • Ingénieurs en science des données.
  • DevOps ingénieurs intéressés par le déploiement de modèles d'apprentissage automatique.
  • Ingénieurs en infrastructure intéressés par le déploiement de modèles d'apprentissage automatique.
  • Ingénieurs en logiciel souhaitant automatiser l'intégration et le déploiement de fonctionnalités d'apprentissage automatique avec leur application
  • .
 28 heures

Nombre de participants



Prix par participant

Nos Clients témoignent (4)

Cours Similaires

Kubeflow

35 heures

Kubeflow on AWS

28 heures

Kubeflow on Azure

28 heures

Kubeflow on GCP

28 heures

Kubeflow on IBM Cloud

28 heures

Kubeflow Fundamentals

28 heures

Docker, Kubernetes and OpenShift 3 for Administrators

35 heures

Docker, Kubernetes and OpenShift 3 for Developers

35 heures

OKD (Origin Kubernetes Distribution) for Administrators

21 heures

OKD (Origin Kubernetes Distribution) for Developers

21 heures

OpenShift 4 for Administrators

35 heures

OpenShift 4 for Developers

35 heures

OpenShift with Jenkins

14 heures

Applied AI from Scratch

28 heures

Deep Learning for NLP (Natural Language Processing)

28 heures

Catégories Similaires

1