Kubeflow on AWS

• 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集成和部署的软件工程师。

其次,在《古兰经》中,《古兰经》的《古兰经》中,《古兰经》的《古兰经》是《古兰经》的《古兰经》。 TensorFlow是机械学习图书馆, Kubernetes是管理集装应用的乐队平台。

由教练领导的现场培训(在线或在线)旨在针对那些希望在 AWS EC2 服务器上部署 Machine Learning 工作负载的工程师。

在本研讨会结束后,参与者将能够:

• 在 AWS 上安装和配置 Kubernetes、 Kubeflow 和其他必要的软件。
• 使用 EKS (Elastic Kubernetes Service) 简化在 AWS 上启动一个 Kubernetes 集群的工作。
• 创建和部署一个 Kubernetes 管道,用于自动化和管理生产中的 ML 模型。
• 训练和部署2ML模型在多个3s和机器运行平行。
• 提供其他 AWS 管理服务,以扩展 ML 应用程序。

课程格式

• 互动讲座和讨论。
• 很多练习和练习。
• 在现场实验室环境中进行手动实施。

课程定制选项

• 要申请此课程的定制培训,请联系我们安排。

介绍

• Kubeflow on AWS 本地部署与其他公共云提供商的对比

Kubeflow 功能和体系结构概述

激活 AWS 账户

准备和启动启用了 GPU 的 AWS 实例

设置用户角色和权限

准备构建环境

选择 TensorFlow 模型和数据集

将代码和框架打包到 Docker 映像中

使用 EKS 设置 Kubernetes 集群

暂存训练和验证数据

配置 Kubeflow 管道

在 EKS 中使用 Kubeflow 启动训练作业

在运行时可视化训练作业

作业完成后进行清理

故障 排除

总结和结论