感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 14 時間:
課程簡介
Kubeflow 簡介
- 了解 Kubeflow 的使命與架構
- 核心元件與生態系統概觀
- 部署選項與平台功能
使用 Kubeflow Dashboard
- 介面導航
- 管理筆記本與工作空間
- 整合儲存空間與數據來源
Kubeflow Pipelines 基礎
- 管線結構與元件設計
- 使用 Python SDK 撰寫管線
- 執行、排程及監控管線運行
在 Kubeflow 上訓練 ML 模型
- 分布式訓練模式
- 使用 TFJob、PyTorchJob 及其他運算子
- Kubernetes 中的資源管理與自動擴展
使用 Kubeflow 進行模型服務
- KFServing / KServe 概觀
- 使用自訂執行環境部署模型
- 管理修訂版本、擴展及流量路由
在 Kubernetes 上管理 ML 工作流
- 版本控制數據、模型及產出物
- 整合 ML 管線的 CI/CD
- 安全性與基於角色的存取控制
生產級 ML 的最佳實務
- 設計可靠的工作流模式
- 可觀察性與監控
- 排查常見 Kubeflow 問題
進階主題(選修)
- 多租戶 Kubeflow 環境
- 混合式及多叢集部署情境
- 使用自訂元件擴展 Kubeflow
總結與後續步驟
最低要求
- 了解容器化應用
- 具備基本命令列工作流的經驗
- 熟悉 Kubernetes 概念
受眾
- 機器學習實踐者
- 數據科學家
- 初識 Kubeflow 的 DevOps 團隊
客戶評論 (1)
我喜歡培訓中關於Kubernetes的部分,因為我之前處理過K8s pods和ports的任務,現在能更深入了解,感覺很好。謝謝!
Laura Miron - Betfair
課程 - Docker and Kubernetes
機器翻譯