课程大纲

介绍

  • Kubeflow on OpenShift 与公有云托管服务

Kubeflow on OpenShift概述

  • 代码读取容器
  • 存储选项

环境设置概述

  • 设置 Kubernetes 集群

设置 Kubeflow on OpenShift

  • 安装 Kubeflow

对模型进行编码

  • 选择 ML 算法
  • 实现 TensorFlow CNN 模型

读取数据

  • Access创建数据集

OpenShift 上的 Kubeflow 流水线

  • 设置端到端 Kubeflow 管道
  • 自定义 Kubeflow 管道

运行 ML 训练作业

  • 训练模型

部署模型

  • 在 OpenShift 上运行经过训练的模型

将模型集成到 Web 应用程序中

  • 创建示例应用程序
  • 发送预测请求

管理 Kubeflow

  • 使用 Tensorboard 进行监控
  • 管理日志

保护 Kubeflow 群集

  • 设置身份验证和授权

故障 排除

总结和结论。

要求

  • 对机器学习概念的理解。
  • 了解云计算概念。
  • 对容器 (Docker) 和编排 (Kubernetes) 有大致的了解。
  • 一些 Python 编程经验是有帮助的。
  • 具有使用命令行的经验。

观众

  • 数据科学工程师。
  • DevOps 对机器学习模型部署感兴趣的工程师。
  • 对机器学习模型部署感兴趣的基础结构工程师。
  • 希望将机器学习功能与其应用程序自动集成和部署的软件工程师
  28 小时
 

人数


开始

完结


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

客户评论 (4)

相关课程

课程分类