Hubungi Kami
 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

Jumlah Peserta


Harga per Peserta

Testimoni (4)

Kursus Mendatang

Kategori Terkait