Đề cương khóa học

Giới thiệu về Kubeflow

  • Hiểu rõ sứ mệnh và kiến trúc của Kubeflow
  • Tổng quan về các thành phần lõi và hệ sinh thái
  • Các tùy chọn triển khai và khả năng nền tảng

Làm việc với Bảng điều khiển Kubeflow

  • Điều hướng giao diện người dùng
  • Quản lý các notebook và không gian làm việc
  • Tích hợp lưu trữ và nguồn dữ liệu

Cơ bản về Kubeflow Pipelines

  • Cấu trúc pipeline và thiết kế thành phần
  • Viết pipelines bằng Python SDK
  • Thực thi, lên lịch, và theo dõi các lượt chạy pipeline

Huấn luyện mô hình ML trên Kubeflow

  • Các mẫu huấn luyện phân tán
  • Sử dụng TFJob, PyTorchJob và các tác tử khác
  • Quản lý tài nguyên và tự động cân bằng tải trong Kubernetes

Triển khai mô hình với Kubeflow

  • Tổng quan về KFServing / KServe
  • Triển khai mô hình với runtime tùy chỉnh
  • Quản lý phiên bản, mở rộng và định tuyến lưu lượng

Quản lý quy trình làm việc ML trên Kubernetes

  • Phiên bản hóa dữ liệu, mô hình và các tài sản khác
  • Tích hợp CI/CD cho pipelines học máy
  • Bảo mật và kiểm soát truy cập dựa trên vai trò

Thực hành tốt nhất cho ML sản xuất

  • Thiết kế các mẫu quy trình làm việc đáng tin cậy
  • Quan sát và giám sát
  • Khắc phục sự cố Kubeflow thông thường

Các chủ đề nâng cao (tùy chọn)

  • Môi trường Kubeflow đa người dùng
  • Kịch bản triển khai hybrid và multi-cluster
  • Mở rộng Kubeflow bằng các thành phần tùy chỉnh

Tóm tắt và các bước tiếp theo

Yêu cầu

  • Hiểu biết về các ứng dụng container hóa
  • Kinh nghiệm với các quy trình làm việc cơ bản trên dòng lệnh
  • Quen thuộc với các khái niệm Kubernetes

Đối tượng tham dự

  • Chuyên gia học máy (ML)
  • Nhà khoa học dữ liệu
  • Đội ngũ DevOps mới làm quen với Kubeflow
 14 Giờ

Số người tham gia


Giá cho mỗi học viên

Đánh giá (5)

Các khóa học sắp tới

Các danh mục liên quan