Szkolenie Kubeflow
Poziom
ŚredniozaawansowanyCzas
16h / 2 dniTermin
IndywidualnieCena
IndywidualnieSzkolenie Kubeflow
Szkolenie z Kubeflow to intensywny, dwudniowy kurs, który koncentruje się na praktycznym zastosowaniu tej platformy do zarządzania cyklem życia modeli machine learningowych na Kubernetes. Program szkolenia jest tak zaprojektowany, aby 80% czasu poświęcone było na praktyczne warsztaty, a 20% na teorię. Uczestnicy nauczą się, jak wykorzystać pełen potencjał Kubeflow do trenowania, wdrażania i monitorowania modeli ML, pracując na rzeczywistych przykładach i przypadkach użycia.
Programistów i inżynierów danych, którzy chcą poszerzyć swoje umiejętności w zakresie zarządzania cyklem życia modeli ML na Kubernetes-
Specjalistów IT, którzy chcą wykorzystać Kubeflow do automatyzacji przetwarzania danych i predykcji w swoich organizacjach
-
Data scientistów i analityków danych, pragnących trenować i wdrażać modele ML w skalowalnym środowisku produkcyjnym
-
Znajomość podstaw programowania w Pythonie
-
Podstawowe umiejętności w pracy z Kubernetes
-
Podstawowa wiedza z zakresu uczenia maszynowego
Czego nauczysz się na szkoleniu Kubeflow?
-
Jak konfigurować i zarządzać Kubeflow na Kubernetes
-
Jak wdrażać modele ML za pomocą Kubeflow Serving i monitorować ich działanie
-
Jak przeprowadzać eksploracyjną analizę danych i trenować modele ML przy użyciu Kubeflow Pipelines
-
Jak integrować Kubeflow z innymi narzędziami ML i platformami chmurowymi oraz automatyzować procesy ML za pomocą narzędzi CI/CD
Program szkolenia Kubeflow
Dzień 1: Wprowadzenie do Kubeflow i podstawy platformy
Podstawy Kubeflow
- Wprowadzenie do Kubeflow i jego architektury
- Instalacja Kubeflow na Kubernetes
Zarządzanie danymi i eksploracyjna analiza danych (EDA)
- Importowanie i przetwarzanie danych w Kubeflow
- Przeprowadzanie EDA za pomocą Kubeflow Pipelines
Trenowanie modeli w Kubeflow
- Wprowadzenie do komponentów trenowania w Kubeflow
- Automatyzacja trenowania modeli za pomocą Kubeflow Pipelines
Trenowanie pierwszego modelu
- Praktyczne ćwiczenia z trenowaniem modelu na przykładzie rzeczywistego zbioru danych
- Analiza wyników i ocena modelu
Dzień 2: Zaawansowane techniki i praktyczne zastosowania
Zaawansowane techniki trenowania modeli
- Wykorzystanie własnych skryptów do trenowania modeli
- Użycie GPU i klastrów obliczeniowych do przyspieszenia trenowania
Wdrażanie i monitorowanie modeli
- Wdrażanie modeli za pomocą Kubeflow Serving
- Monitorowanie i zarządzanie wdrożonymi modelami
Wdrażanie i optymalizacja modelu
- Praktyczne ćwiczenia z wdrażania modelu Kubeflow
- Optymalizacja modelu i tuning hiperparametrów
Integracja z innymi narzędziami i usługami (opcjonalnie)
- Integracja Kubeflow z innymi narzędziami ML i platformami chmurowymi
- Wykorzystanie narzędzi do CI/CD do automatyzacji procesów ML
Pobierz program
Pobierz szczegółowy program w PDF, żeby dowiedzieć się więcej o godzinach i tematach zajęć.
