聯繫我們
 課程時長 14 時間:

課程簡介

Kubeflow简介

  • 理解Kubeflow的使命与架构
  • 核心组件与生态系统概览
  • 部署选项与平台能力

使用Kubeflow仪表板

  • 用户界面导航
  • 管理笔记本与工作空间
  • 集成存储与数据源

Kubeflow Pipelines基础

  • 流水线结构与组件设计
  • 使用Python SDK编写流水线
  • 执行、调度与监控流水线运行

在Kubeflow上训练机器学习模型

  • 分布式训练模式
  • 使用TFJob、PyTorchJob及其他算子
  • Kubernetes中的资源管理与自动扩缩容

使用Kubeflow进行模型部署

  • KFServing / KServe概览
  • 使用自定义运行时部署模型
  • 管理修订、扩缩容与流量路由

在Kubernetes上管理机器学习工作流

  • 对数据、模型和工件进行版本管理
  • 为机器学习流水线集成CI/CD
  • 安全性与基于角色的访问控制

生产级机器学习最佳实践

  • 设计可靠的工作流模式
  • 可观测性与监控
  • 排查常见Kubeflow问题

进阶主题(可选)

  • 多租户Kubeflow环境
  • 混合与多集群部署场景
  • 使用自定义组件扩展Kubeflow

总结与后续步骤

最低要求

  • 了解容器化应用
  • 具备基本命令行工作流经验
  • 熟悉Kubernetes概念

目标受众

  • 机器学习从业者
  • 数据科学家
  • 刚接触Kubeflow的DevOps团队

人數


每位參與者的報價

客戶評論 (2)

即將到來的課程

課程分類