Programa do Curso

Introdução

  • Kubeflow on Azure vs no local vs noutros fornecedores de serviços de nuvem pública

Visão geral das características e da arquitetura de Kubeflow

Visão geral do processo de implantação

Ativação de uma conta Azure

Preparando e iniciando máquinas virtuais habilitadas para GPU

Configurar funções e permissões de utilizador

Preparando o ambiente de construção

Seleção de um modelo TensorFlow e de um conjunto de dados

Empacotar código e frameworks numa imagem Docker

Configuração de um cluster Kubernetes usando AKS

Preparação dos dados de formação e validação

Configuração de Kubeflow pipelines

Lançamento de um trabalho de formação.

Visualização do trabalho de formação em tempo de execução

Limpeza após a conclusão do trabalho

Resolução de problemas

Resumo e conclusão

Requisitos

  • Compreensão dos conceitos de aprendizagem automática.
  • Conhecimento dos conceitos de computação em nuvem.
  • Um entendimento geral de contêineres (Docker) e orquestração (Kubernetes).
  • Alguma experiência de programação Python é útil.
  • Experiência de trabalho com uma linha de comando.

Público

  • Engenheiros de ciência de dados.
  • DevOps engenheiros interessados na implantação de modelos de aprendizado de máquina.
  • Engenheiros de infraestrutura interessados na implantação de modelos de aprendizado de máquina.
  • Engenheiros de software que desejam automatizar a integração e a implantação de recursos de aprendizado de máquina com seu aplicativo.
  28 horas
 

Número de participantes


Inicia

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Declaração de Clientes (3)

Cursos Relacionados

Categorias Relacionadas