Plan du cours
Introduction
- Introduction à Kubernetes
- Aperçu des caractéristiques et de l'architecture de Kubeflow Kubeflow sur AWS vs sur site vs sur d'autres fournisseurs de cloud public
- Kubeflow sur AWS vs sur site vs sur d'autres fournisseurs de cloud public
Mise en place d'un cluster avec AWS EKS
Mise en place d'un cluster sur site avec Microk8s
Déploiement Kubernetes avec une approche GitOps
Approches de stockage de données
Création d'un Kubeflow pipeline
Déclenchement d'un pipeline
Définir les artefacts de sortie
Stockage des métadonnées pour les ensembles de données et les modèles
Optimisation des hyperparamètres avec TensorFlow (en anglais)
Visualisation et analyse des résultats
Entraînement multi-GPU
Créer un serveur d'inférence pour déployer des modèles de ML
Travailler avec JupyterHub
Networking et l'équilibrage de la charge
Mise à l'échelle automatique d'un cluster Kubernetes
Résolution des problèmes
Résumé et conclusion
Pré requis
- Familiarité avec la syntaxe Python.
- Expérience avec Tensorflow, PyTorch, ou autre framework d'apprentissage automatique
- Un compte AWS avec les ressources nécessaires
Audience
- Développeurs
- Scientifiques des données
Nos clients témoignent (1)
J'ai beaucoup apprécié de participer à la formation Kubeflow, qui s'est déroulée à distance. Cette formation m'a permis de consolider mes connaissances sur les services AWS, K8s et tous les outils DevOps autour de Kubeflow, qui sont les bases nécessaires pour aborder le sujet correctement. Je tiens à remercier Malawski Marcin pour sa patience et son professionnalisme lors de la formation et pour ses conseils sur les bonnes pratiques. Malawski aborde le sujet sous différents angles, en utilisant divers outils de déploiement comme Ansible, EKS kubectl et Terraform. Je suis maintenant définitivement convaincu que je me dirige vers le bon domaine d'application.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Formation - Kubeflow
Traduction automatique