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.
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