Kubeflow auf Azure Kurse

Kubeflow auf Azure

Beherrschen Sie die Kunst der Bereitstellung von Machine Learning Workloads auf Azure mit Kubeflow.

Dieser Kurs bietet praktische Erfahrungen, die es Ihnen ermöglichen, Kubernetes und TensorFlow für eine optimierte Bereitstellung und Verwaltung von ML-Modellen zu nutzen.

Was werden Sie lernen?

Dieser Kurs richtet sich an Ingenieure, die Machine Learning-Workloads auf Azure eskalieren wollen. Die Schulung wird von erfahrenen Experten durchgeführt und führt Sie durch die Feinheiten von Kubeflow, Kubernetes und TensorFlow.

Was Sie erreichen werden:

Erfassen Sie die Feinheiten von Kubeflow und wie es mit Kubernetes zusammenarbeitet.
Erwerben Sie die Fähigkeiten, Azure Kubernetes Service (AKS) einzurichten und zu verwalten.
Lernen Sie, robuste Kubernetes-Pipelines für die Automatisierung von ML-Modellen zu erstellen.
Sammeln Sie Erfahrungen mit Multi-GPU und parallelem Maschinentraining mit TensorFlow.
Erweitern Sie die ML-Fähigkeiten mit den verwalteten Diensten von Azure.

Anforderungen:

Vertrautheit mit maschinellem Lernen und Cloud-Computing-Konzepten.
Grundlegendes Verständnis von Containern (Docker) und Orchestrierung (Kubernetes).
Kenntnisse der Befehlszeilenschnittstellen.
Python-Programmiererfahrung ist von Vorteil, aber nicht zwingend erforderlich.

Kursübersicht*:

*Wir wissen, dass jedes Team seine eigenen Bedürfnisse und Anforderungen hat. Deshalb können wir den Schulungsplan je nach Bedarf anpassen.

1. Einführung:

Vergleich: Kubeflow auf Azure, On-Premise und anderen öffentlichen Clouds
Architektonischer Überblick über Kubeflow

2. Die Bühne bereiten:

Aktivieren eines Azure-Kontos
Starten von GPU-fähigen virtuellen Maschinen
Benutzerrollen und Berechtigungen: Eine Fibel

3. Aufbau der Umgebung:

Vorbereiten der Build-Umgebung
Einführung in TensorFlow-Modelle und -Datensätze
Code verpacken: Dockerisierung

4. Bereitstellungsinfrastruktur:

Einführung in den Azure Kubernetes Service (AKS)
Initialisierung von Kubernetes-Clustern mit AKS

5. Datenverwaltung:

Daten-Staging: Schulung und Validierung
Konfigurieren von Kubeflow-Pipelines

6. Schulung und Überwachung:

Starten eines Trainingsjobs
Echtzeit-Überwachung von Trainingsaufträgen

7. Post-Einsatz:

Aufräumen von Ressourcen
Tipps zur Fehlerbehebung

8. Zusammenfassung und Schlussfolgerung:

Wichtige Erkenntnisse
Nächste Schritte bei der Nutzung von Azure für ML-Workloads

Praxisnahes Lernen mit erfahrenen Dozenten bei Ihnen vor Ort für Organisationen.

Ebene:

Intermediate

Dauer:

Tage (Stunden:

)

Auf Ihre Bedürfnisse zugeschnittenes Training

Umfassende praktische Erfahrung in einem speziellen Umfeld

*Der Preis kann je nach Teilnehmerzahl, Änderung des Ablaufs, Standort usw. variieren.

Zum Angebot

Erlernen Sie neue Fähigkeiten unter Anleitung erfahrener Lehrer von überall.

Ebene:

Intermediate

Dauer:

Tage (Stunden:

)

Auf Ihre Bedürfnisse zugeschnittenes Training

Reduzierte Schulungskosten

*Der Preis kann je nach Teilnehmerzahl, Änderung des Ablaufs, Standort usw. variieren.

Zum Angebot

You can participate in a Public Course with people from other organisations.

/per trainee

Thanks for the numbers, they could be going to your emails. But they're going to mine... Thanks ;D

Oops! Something went wrong while submitting the form.

Level:

Intermediate

Duration:

Hours (days:

)

Fits ideally for individuals and small groups

Networking opportunities with fellow participants.

*Price can range depending on number of participants, change of outline, location etc.

Get Quote

Kubeflow auf Azure

Was werden Sie lernen?

Anforderungen:

Kursübersicht*:

1. Einführung:

2. Die Bühne bereiten:

3. Aufbau der Umgebung:

4. Bereitstellungsinfrastruktur:

5. Datenverwaltung:

6. Schulung und Überwachung:

7. Post-Einsatz:

8. Zusammenfassung und Schlussfolgerung:

Get Quote for:

Kubeflow auf Azure

Kontaktaufnahme starten!