Kubeflow Fundamentals

• 熟悉 Python 语法 
• 具有 Tensorflow、PyTorch 或其他机器学习框架的经验
• 公有云提供商帐户（可选） 

观众

• 开发 人员
• 数据科学家

Kubeflow 是一个工具包，用于使 Machine Learning （ML） on Kubernetes 变得简单、可移植和可扩展。

这种以讲师为主导的现场培训（现场或远程）针对希望在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。

课程形式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在现场实验室环境中实际实施。

课程定制选项

• 如需申请此课程的定制培训，请联系我们进行安排。
• 要了解有关 Kubeflow 的更多信息，请访问：https://github.com/kubeflow/kubeflow

介绍

Kubeflow 特性和组件概述

• 容器、清单等

Machine Learning 管道概述

• 培训、测试、调优、部署等。

将 Kubeflow 部署到 Kubernetes 集群

• 准备执行环境（训练集群、生产集群等）
• 下载、安装和定制。

在 Kubernetes 上运行 Machine Learning 管道

• 构建 TensorFlow 管道。
• 构建 PyTorch pipleline。

可视化结果

• 导出和可视化管道指标

自定义执行环境

• 为各种基础设施定制堆栈
• 升级 Kubeflow 部署

在公有云上运行 Kubeflow

• AWS、Microsoft Azure、Google 云平台

管理生产工作流

• 使用 GitOps 方法运行
• 计划作业
• 生成 Jupyter 笔记本

故障 排除

总结和结论