Programa del Curso

Introducción

  • Kubeflow on AWS Frente a los locales frente a otros proveedores de nube pública

Descripción general de Kubeflow Características y arquitectura

Activación de una cuenta de AWS

Preparación y lanzamiento de instancias de AWS habilitadas para GPU

Configuración de roles y permisos de usuario

Preparación del entorno de compilación

Selección de un TensorFlow modelo y un conjunto de datos

Empaquetar código y marcos en una imagen Docker

Configuración de un clúster Kubernetes mediante EKS

Almacenamiento provisional de los datos de entrenamiento y validación

Configuración de Kubeflow canalizaciones

Lanzamiento de un trabajo de formación mediante Kubeflow en EKS

Visualización del trabajo de entrenamiento en tiempo de ejecución

Limpieza después de que se complete el trabajo

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 integrar e implementar 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.

Cursos Relacionados

Categorías Relacionadas