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 14 heures
Plan du cours
Introduction à Kubeflow
- Comprendre la mission et l'architecture de Kubeflow
- Vue d'ensemble des composants fondamentaux et de l'écosystème
- Options de déploiement et capacités de la plateforme
Travailler avec le tableau de bord Kubeflow
- Navigation de l'interface utilisateur
- Gestion des notebooks et des espaces de travail
- Intégration du stockage et des sources de données
Fondamentaux de Kubeflow Pipelines
- Structure des pipelines et conception des composants
- Création de pipelines avec le SDK Python
- Exécution, planification et surveillance des exécutions de pipelines
Entraînement des modèles de ML sur Kubeflow
- Modèles d'entraînement distribué
- Utilisation de TFJob, PyTorchJob et d'autres opérateurs
- Gestion des ressources et auto-mise à l'échelle dans Kubernetes
Service de modèles avec Kubeflow
- Vue d'ensemble de KFServing / KServe
- Déploiement de modèles avec des temps d'exécution personnalisés
- Gestion des révisions, de la mise à l'échelle et du routage du trafic
Gestion des workflows de ML sur Kubernetes
- Versionnage des données, des modèles et des artefacts
- Intégration de CI/CD pour les pipelines de ML
- Sécurité et contrôle d'accès basé sur les rôles
Meilleures pratiques pour le ML en production
- Conception de modèles de workflow fiables
- Observabilité et surveillance
- Dépannage des problèmes courants de Kubeflow
Sujets avancés (Optionnel)
- Environnements Kubeflow multi-locataires
- Scénarios de déploiement hybrides et multi-clusters
- Extension de Kubeflow avec des composants personnalisés
Résumé et prochaines étapes
Pré requis
- Une compréhension des applications conteneurisées
- De l'expérience avec les workflows de base en ligne de commande
- Une familiarité avec les concepts de Kubernetes
Public cible
- Praticiens du ML
- Scientists des données
- Équipes DevOps nouvellement initiées à Kubeflow
Nos clients témoignent (1)
J'apprécie particulièrement la partie consacrée à Kubernetes lors de cette formation. J'avais des tâches impliquant des pods et des ports K8s, et il était agréable d'en acquérir une meilleure compréhension. Merci !
Laura Miron - Betfair
Formation - Docker and Kubernetes
Traduction automatique