Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Durasi 14 jam
Kerangka Materi
Pengenalan Kubeflow
- Memahami misi dan arsitektur Kubeflow
- Ikhtisar komponen inti dan ekosistem
- Opsi deployment dan kemampuan platform
Bekerja dengan Dasbor Kubeflow
- Navigasi antarmuka pengguna
- Manajemen notebook dan workspace
- Integrasi penyimpanan dan sumber data
Fundamental Kubeflow Pipelines
- Struktur pipeline dan desain komponen
- Menulis pipeline dengan Python SDK
- Menjalankan, menjadwalkan, dan memantau eksekusi pipeline
Melatih Model ML di Kubeflow
- Pola pelatihan terdistribusi
- Menggunakan TFJob, PyTorchJob, dan operator lainnya
- Manajemen sumber daya dan autoscaling di Kubernetes
Model Serving dengan Kubeflow
- Ikhtisar KFServing / KServe
- Deployment model dengan runtime kustom
- Manajemen revisi, skalabilitas, dan routing lalu lintas
Manajemen Workflow ML di Kubernetes
- Versioning data, model, dan artefak
- Integrasi CI/CD untuk pipeline ML
- Keamanan dan kontrol akses berbasis peran
Praktik Terbaik untuk ML Produksi
- Merancang pola workflow yang andal
- Observabilitas dan pemantauan
- Perbaikan masalah masalah umum Kubeflow
Topik Lanjutan (Opsional)
- Lingkungan Kubeflow multi-tenant
- Skenario deployment hybrid dan multi-cluster
- Memperluas Kubeflow dengan komponen kustom
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pemahaman tentang aplikasi terkontainerisasi
- Pengalaman dengan workflow baris perintah dasar
- Keterbatasan dengan konsep Kubernetes
Audience
- Praktisi ML
- Ilmuan data
- Tim DevOps yang baru mengenal Kubeflow
Testimoni (1)
Saya menyukai bagian Kubernetes dalam pelatihan ini, karena saya pernah menangani tugas terkait pod dan port K8s, serta sangat senang dapat memahami hal tersebut lebih baik sekarang. Terima kasih!
Laura Miron - Betfair
Kursus - Docker and Kubernetes
Diterjemahkan Mesin