Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction
Aperçu des fonctionnalités et des composants de Kubeflow
- Conteneurs, manifests, etc.
Aperçu d’un pipeline d’apprentissage automatique
- Entraînement, test, réglage, déploiement, etc.
Déploiement de Kubeflow sur un cluster Kubernetes
- Préparation de l’environnement d’exécution (cluster d’entraînement, cluster de production, etc.)
- Téléchargement, installation et personnalisation.
Exécution d’un pipeline d’apprentissage automatique sur Kubernetes
- Création d’un pipeline TensorFlow.
- Création d’un pipeline PyTorch.
Visualisation des résultats
- Exportation et visualisation des métriques du pipeline
Personnalisation de l’environnement d’exécution
- Adaptation de la pile technique pour diverses infrastructures
- Mise à niveau du déploiement de Kubeflow
Exécution de Kubeflow sur des clouds publics
- AWS, Microsoft Azure, Google Cloud Platform
Gestion des flux de travail de production
- Exécution selon la méthodologie GitOps
- Planification des tâches
- Instanciation de notebooks Jupyter
Dépannage
Synthèse et conclusion
Pré requis
- Familiarité avec la syntaxe Python
- Expérience avec TensorFlow, PyTorch ou tout autre framework d’apprentissage automatique
- Un compte de fournisseur de cloud public (facultatif)
Public cible
- Développeurs
- Scientifiques de données
28 Heures
