聯繫我們

課程簡介

Kubeflow 簡介

  • 理解 Kubeflow 的使命與架構
  • 核心組件與生態系統概覽
  • 部署選項與平台能力

使用 Kubeflow 儀表板

  • 使用者介面導覽
  • 管理筆記本與工作區
  • 整合儲存空間與資料來源

Kubeflow Pipelines 基礎

  • 結構設計與組件規劃
  • 使用 Python SDK 編寫 Pipeline
  • 執行、排程與監控 Pipeline 運行狀況

在 Kubeflow 上訓練 ML 模型

  • 分散式訓練模式
  • 使用 TFJob、PyTorchJob 及其他操作員
  • Kubernetes 上的資源管理與自動伸縮

透過 Kubeflow 提供模型服務

  • KFServing / KServe 概覽
  • 使用自訂運行時部署模型
  • 管理修訂版本、擴展與流量路由

在 Kubernetes 上管理 ML 工作流程

  • 資料、模型與物件的版本控制
  • 為 ML Pipeline 整合 CI/CD
  • 安全與基於角色的存取控制

生產環境中 ML 的最佳實踐

  • 設計可靠的工作流程模式
  • 可觀測性與監控
  • 排除常見的 Kubeflow 問題

進階主題(選修)

  • 多租戶 Kubeflow 環境
  • 混合式與多叢集部署情境
  • 透過自訂組件擴充 Kubeflow

總結與後續步驟

最低要求

  • 了解容器化應用程式
  • 具備基本命令列工作流程的經驗
  • 熟悉 Kubernetes 概念

受眾

  • 機器學習從業人員
  • 資料科學家
  • 新接觸 Kubeflow 的 DevOps 團隊
 14 小時

人數


每位參與者的報價

客戶評論 (3)

即將到來的課程

課程分類