Návrh Školení
Úvod
- Úvod do Kubernetes
- Přehled Kubeflow Funkce a architektura
- Kubeflow na AWS vs on-premise vs na jiných veřejných poskytovatelích cloudu
Nastavení clusteru pomocí AWS EKS
Nastavení On-Premise Cluster pomocí Microk8s
Nasazení Kubernetes pomocí přístupu GitOps
Přístupy k ukládání dat
Vytvoření Kubeflow Pipeline
Spouštění potrubí
Definování výstupních artefaktů
Ukládání metadat pro datové sady a modely
Ladění hyperparametrů pomocí TensorFlow
Vizualizace a analýza výsledků
Multi-GPU trénink
Vytvoření inferenčního serveru pro nasazení modelů ML
Práce s JupyterHub
Networking a Load Balancing
Automatické škálování Kubernetes clusteru
Odstraňování problémů
Shrnutí a závěr
Požadavky
- Znalost syntaxe Python
- Zkušenosti s Tensorflow, PyTorch nebo jiným rámcem strojového učení
- Účet AWS s nezbytnými zdroji
Publikum
- Vývojáři
- Datoví vědci
Reference (1)
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.