Programa do Curso

Introdução

  • Kubeflow no IKS vs no local vs noutros fornecedores de serviços de computação em nuvem pública

Visão geral dos recursos Kubeflow no IBM Cloud

  • IKS
  • Armazenamento de objectos em nuvem da IBM

Visão geral da configuração do ambiente

  • Preparar máquinas virtuais
  • Configurar um cluster Kubernetes

Configuração Kubeflow on IBM Cloud

  • Instalação de Kubeflow através do IKS

Codificação do modelo

  • Seleção de um algoritmo ML
  • Implementação de um modelo TensorFlow CNN

Ler os dados

  • Accesso conjunto de dados MNIST

Pipelines na IBM Cloud

  • Configurar um pipeline Kubeflow de ponta a ponta
  • Personalizar Kubeflow pipelines

Executar um trabalho de formação ML

  • Treinar um modelo MNIST

Implementação do modelo

  • A funcionar TensorFlow A servir no IKS

Integrar o modelo numa aplicação Web

  • Criar uma aplicação de amostra
  • Envio de pedidos de previsão

Administrar Kubeflow

  • Monitorização com Tensorboard
  • Gerir registos

Proteger um Kubeflow Cluster

  • Configurar a autenticação e a autorização

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



Preço por participante

Declaração de Clientes (2)

Categorias Relacionadas