Programa del Curso

Introducción

  • Kubeflow en GCK frente a on-premise frente a otros proveedores de nube pública

Descripción general de Kubeflow funciones en GCP

  • Gestión declarativa de recursos
  • Ajuste de escala automático de GKE para cargas de trabajo de aprendizaje automático (ML)
  • Conexiones seguras a Jupyter
  • Registros persistentes para depuración y solución de problemas
  • GPUs y TPU para acelerar las cargas de trabajo

Información general sobre la configuración del entorno

  • Preparación de la máquina virtual
  • Kubernetes Configuración del clúster
  • Instalación de Kubeflow

Implementación Kubeflow

  • Implementación Kubeflow on GCP
  • Implementación de Kubeflow en entornos locales y en la nube
  • Implementa Kubeflow en GKE
  • Configura un dominio personalizado en GKE

Canalizaciones en GCP

  • Configuración de una canalización de un extremo a otro Kubeflow
  • Personalización de Kubeflow canalizaciones

Protección de un clúster Kubeflow

  • Configuración de la autenticación y la autorización
  • Usar los controles del servicio de VPC y GKE privado

Almacenamiento, Accessing, gestión de datos

  • Descripción de los sistemas de archivos compartidos y el almacenamiento conectado a la red (NAS)
  • Uso de servicios de almacenamiento de archivos administrados en GCE

Ejecución de un trabajo de entrenamiento de ML

  • Entrenamiento de un modelo MNIST

Administración Kubeflow

  • Registro y monitoreo

Solución de problemas

Resumen y conclusión

Requerimientos

  • Comprensión de los conceptos de aprendizaje automático.
  • Conocimiento de los conceptos de computación en la nube.
  • Conocimientos generales de contenedores (Docker) y orquestación (Kubernetes).
  • Algo de Python experiencia en programación es útil.
  • Experiencia trabajando con una línea de comandos.

Audiencia

  • Ingenieros en ciencia de datos.
  • DevOps Ingenieros interesados en la implementación de modelos de aprendizaje automático.
  • Ingenieros de infraestructura interesados en la implementación de modelos de aprendizaje automático.
  • Ingenieros de software que deseen automatizar la integración y el despliegue de funciones de aprendizaje automático con su aplicación.
  28 horas
 

Número de participantes


Comienza

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (2)

Cursos Relacionados

Categorías Relacionadas