聯繫我們
 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

人數


每位參與者的報價

客戶評論 (4)

即將到來的課程

課程分類