Prenez contact avec nous
 Durée 28 heures

Plan du cours

Introduction

Aperçu des fonctionnalités et des composants de Kubeflow

  • Conteneurs, manifestes, etc.

Aperçu d'un pipeline d'apprentissage automatique

  • Entraînement, tests, 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

  • Personnalisation de la pile pour différentes infrastructures
  • Mise à niveau d'un déploiement Kubeflow

Exécution de Kubeflow sur des clouds publics

  • AWS, Microsoft Azure, Google Cloud Platform

Gestion des workflows de production

  • Exécution selon la méthodologie GitOps
  • Planification des tâches
  • Génération de notebooks Jupyter

Pré requis

  • Maîtrise de la syntaxe Python
  • Expérience avec TensorFlow, PyTorch ou un autre framework d'apprentissage automatique
  • Un compte auprès d'un fournisseur de cloud public (facultatif)

Public cible

  • Développeurs
  • Scientifiques des données

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires