Course Outline

소개

  • Kubeflow 온프레미스 vs. Azure vs. 온프레미스 vs. 다른 퍼블릭 클라우드 제공업체

Kubeflow 기능 및 아키텍처 개요

배포 프로세스 개요

Azure 계정 활성화

GPU 지원 가상 머신 준비 및 실행

사용자 역할 및 권한 설정

빌드 환경 준비

TensorFlow 모델 및 데이터 세트 선택

코드와 프레임워크를 Docker 이미지로 패키징

AKS를 사용하여 Kubernetes 클러스터 설정

학습 및 검증 데이터 준비

Kubeflow 파이프라인 구성

훈련 작업을 시작합니다.

런타임에서 훈련 작업 시각화

작업 완료 후 정리

문제 해결

요약 및 결론

Requirements

  • 머신러닝 개념에 대한 이해.
  • 클라우드 컴퓨팅 개념에 대한 지식.
  • 컨테이너(Docker) 및 오케스트레이션(Kubernetes)에 대한 일반적인 이해.
  • 일부 Python 프로그래밍 경험이 도움이 됩니다.
  • 명령줄 작업을 경험해 보세요.

청중

  • 데이터 과학 엔지니어.
  • DevOps 기계 학습 모델 배포에 관심이 있는 엔지니어.
  • 기계 학습 모델 배포에 관심이 있는 인프라 엔지니어입니다.
  • 기계 학습 기능을 해당 애플리케이션과 통합 및 배포를 자동화하려는 소프트웨어 엔지니어.
  28 Hours

Number of participants



Price per participant

회원 평가 (3)

Related Courses

Related Categories