Kubeflow 基础：使用 Kubernetes 构建、训练与部署 培训

DO180课程介绍了容器、Kubernetes基础以及Red Hat OpenShift平台概念，重点关注实践技能。

本课程由讲师指导，提供线上或线下培训，面向初级到中级技术专业人员，旨在帮助学员学习容器工作流、Kubernetes基本概念，以及在OpenShift上部署和操作应用程序。

培训结束后，学员将能够：

• 构建和管理容器镜像及镜像仓库，遵循可重复性和安全性的最佳实践。
• 在OpenShift中部署和管理Kubernetes对象，如pods、deployments和services。
• 使用OpenShift的功能，包括routes、buildconfigs和Web控制台，以简化应用程序交付。
• 为有状态工作负载实现持久存储、配置管理和密钥处理。
• 应用基本安全、RBAC和监控实践，以维护健康的集群和应用程序。

课程形式

• 互动式讲座与讨论。
• 每天在实时OpenShift环境中进行动手实验。
• 场景驱动的练习和故障排除研讨会。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

在这个以讲师为主导的 中国 现场培训中，参与者将学习如何管理 Red Hat OpenShift 容器平台。

在培训结束时，参与者将能够：

• 创建、配置、管理 OpenShift 个集群并对其进行故障排除。
• 在本地、公有云或托管云上部署容器化应用。
• 安全 OpenShift 容器平台
• 监控和收集指标。
• 管理存储。

在这次由讲师指导的中国（线下或远程）培训中，参与者将学习如何创建和管理Docker容器，然后在容器内部署一个示例应用。参与者还将学习如何在Kubernetes集群中自动化、扩展和管理他们的容器化应用。最后，培训将深入探讨更高级的主题，引导参与者完成Kubernetes集群的安全、扩展和监控过程。

通过本次培训，参与者将能够：

• 设置并运行Docker容器。
• 部署容器化的服务器和Web应用。
• 构建和管理Docker镜像。
• 设置Docker和Kubernetes集群。
• 使用Kubernetes部署和管理集群化的Web应用。
• 对Kubernetes集群进行安全、扩展和监控。

本实践课程的目标是提供所有与Docker和Kubernetes相关的实用工具，使参与者能够掌握必要的技能，以便妥善管理该程序。

培训目标：掌握Docker与Kubernetes的理论与操作技能。

在这个由讲师指导的中国现场培训中，参与者将学习如何使用OpenShift容器平台来部署容器化应用程式。

在培训结束时，参与者将能够：

• 创建并配置 OpenShift 设置。
• 在本地、公有云或托管云上快速部署应用程式。

本课程为讲师指导的中国线下或线上培训，旨在帮助工程师使用Helm简化Kubernetes应用的安装和管理流程。

培训结束后，学员将能够：

• 安装和配置Helm。
• 创建可复现的Kubernetes应用构建。
• 将应用共享为Helm图表。
• 运行保存为Helm图表的第三方应用。
• 管理Helm包的发布。

这种以讲师为主导的中国现场培训（现场或远程）面向希望在Kubernetes上构建，部署和管理机器学习工作流的开发人员和数据科学家。

在培训结束时，参与者将能够：

• 使用 AWS EKS（弹性 Kubernetes 服务）在本地和云端安装和配置 Kubeflow。
• 基于 Docker 个容器和 Kubernetes 构建、部署和管理 ML 工作流。
• 在不同的架构和云环境中运行整个机器学习管道。
• 使用 Kubeflow 生成和管理 Jupyter 笔记本。
• 跨多个平台构建 ML 训练、超参数调优并为工作负载提供服务。

本课程为讲师指导的中国线下或线上培训，面向希望将机器学习工作负载部署到 AWS EC2 服务器的工程师。

培训结束后，参与者将能够：

• 在 AWS 上安装和配置 Kubernetes、Kubeflow 及其他所需软件。
• 使用 EKS（Elastic Kubernetes Service）简化在 AWS 上初始化 Kubernetes 集群的工作。
• 创建并部署 Kubernetes 流水线，以自动化和管理生产环境中的 ML 模型。
• 在多个 GPU 和并行运行的机器上训练和部署 TensorFlow ML 模型。
• 利用其他 AWS 托管服务扩展 ML 应用。

此由讲师指导的现场培训（在线或现场）主要针对希望将 Machine Learning 工作负载部署到 Azure 云的工程师。

培训结束后，学员将能够：

• 在 Azure 上安装并配置 Kubernetes、Kubeflow 及其他所需软件。
• 使用 Azure Kubernetes 服务（AKS）简化在 Azure 上初始化 Kubernetes 集群的工作。
• 创建并部署 Kubernetes 管道，用于自动化和管理生产中的 ML 模型。
• 在多个GPU和并行运行的机器上训练和部署TensorFlowML模型。
• 利用其他 AWS 托管服务来扩展 ML 应用程序。

这种以讲师为主导的中国现场培训（现场或远程）面向希望在Kubernetes上构建，部署和管理机器学习工作流的开发人员和数据科学家。

在培训结束时，参与者将能够：

• 在本地和云端安装和配置 Kubeflow。
• 基于 Docker 个容器和 Kubernetes 构建、部署和管理 ML 工作流。
• 在不同的架构和云环境中运行整个机器学习管道。
• 使用 Kubeflow 生成和管理 Jupyter 笔记本。
• 跨多个平台构建 ML 训练、超参数调优并为工作负载提供服务。

在这次讲师主导的培训中（中国线下或远程），参与者将学习如何在容器内部署一组示例服务器，然后在Kubernetes集群中自动化、扩展和管理其容器化服务器。培训还将深入更高级的主题，引导参与者完成Kubernetes集群的安全、网络和监控过程。

培训结束后，参与者将能够：

• 设置并运行Docker容器。
• 部署容器化数据库和服务器。
• 设置Docker和Kubernetes集群。
• 使用Kubernetes在同一集群下部署和管理不同环境。
• 保护、扩展和监控Kubernetes集群。

这种以讲师为主导的 中国（在线或现场）现场培训面向希望学习如何使用 Minikube 设置和管理本地 Kubernetes 环境的初级到中级软件开发人员和 DevOps 专业人士。

在培训结束时，参与者将能够：

• 在本地计算机上安装和配置 Minikube。
• 了解 Kubernetes 的基本概念和架构。
• 使用 kubectl 和 Minikube 仪表板部署和管理容器。
• 为 Kubernetes 设置持久性存储和网络解决方案。
• 利用 Minikube 开发、测试和调试应用程序。

这种以讲师为主导的中国（在线或现场）现场培训面向希望将 Minikube 作为其开发工作流程一部分的中级开发人员和 DevOps 工程师。

在培训结束时，参与者将能够：

• 使用 Minikube 设置和管理本地 Kubernetes 环境。
• 了解如何在 Minikube 上部署、管理和调试应用程序。
• 将 Minikube 集成到其持续集成和部署管道中。
• 使用 Minikube 的高级功能优化他们的开发流程。
• 将最佳实践应用于本地 Kubernetes 开发。

本课程由讲师指导，通过实践演示如何在中国部署和管理Rancher的Kubernetes集群。