联系我们
 课程时长 14 小时

课程大纲

Kubeflow简介

  • 了解Kubeflow的使命与架构
  • 核心组件与生态系统概览
  • 部署选项与平台能力

使用Kubeflow仪表板

  • 用户界面导航
  • 管理笔记本和工作区
  • 集成存储与数据源

Kubeflow Pipelines基础

  • 管道结构与组件设计
  • 使用Python SDK编写管道
  • 执行、调度和监控管道运行

在Kubeflow上训练ML模型

  • 分布式训练模式
  • 使用TFJob、PyTorchJob及其他操作器
  • Kubernetes中的资源管理与自动扩展

使用Kubeflow进行模型服务

  • KFServing / KServe概述
  • 使用自定义运行时部署模型
  • 管理版本、扩展和流量路由

在Kubernetes上管理ML工作流程

  • 对数据、模型和工件进行版本控制
  • 集成CI/CD用于ML管道
  • 安全与基于角色的访问控制

生产环境ML的最佳实践

  • 设计可靠的工作流程模式
  • 可观测性与监控
  • 排查常见的Kubeflow问题

高级主题(可选)

  • 多租户Kubeflow环境
  • 混合与多集群部署场景
  • 使用自定义组件扩展Kubeflow

总结与后续步骤

要求

  • 了解容器化应用
  • 具备基本命令行操作经验
  • 熟悉Kubernetes概念

目标学员

  • ML从业者
  • 数据科学家
  • 刚接触Kubeflow的DevOps团队

客户评论 (4)

即将举行的公开课程

课程分类