課程簡介
介紹
- Kubeflow GCK、本地和其他公有雲供應商
GCP 上的 Kubeflow 功能概述
- 資源的聲明式管理
- 適用於機器學習 (ML) 工作負載的 GKE 自動擴展
- 與 Jupyter 的安全連接
- 用於調試和故障排除的持久性日誌
- GPU 和 TPU 可加速工作負載
環境設置概述
- 虛擬機準備
- Kubernetes 集群設置
- Kubeflow 安裝
部署 Kubeflow
- 部署 Kubeflow on GCP
- 在本地和雲環境中部署 Kubeflow
- 在 GKE 上部署 Kubeflow
- 在 GKE 上設置自訂域
GCP 上的管道
- 設置端到端 Kubeflow 管道
- 自訂 Kubeflow 流水線
保護 Kubeflow 群集
- 設置身份驗證和授權
- 使用 VPC 服務控制和私有 GKE
存儲、Accessing、管理數據
- 瞭解共用檔案系統與網路連線儲存 (NAS)
- 在 GCE 中使用託管檔案存儲服務
運行 ML 訓練作業
- 訓練 MNIST 模型
管理 Kubeflow
- 日誌記錄和監視
故障排除
總結和結論
最低要求
- 對機器學習概念的理解。
- 瞭解雲計算概念。
- 對容器 (Docker) 和編排 (Kubernetes) 有大致的瞭解。
- 一些 Python 程式設計經驗是有説明的。
- 具有使用命令行的經驗。
觀眾
- 數據科學工程師。
- DevOps 對機器學習模型部署感興趣的工程師。
- 對機器學習模型部署感興趣的基礎結構工程師。
- 希望將機器學習功能與其應用程式自動集成和部署的軟體工程師。
客戶評論 (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Course - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.