Kubeflow 基礎：使用 Kubernetes 構建、訓練與部署培訓

DO180課程介紹了容器、Kubernetes基礎以及Red Hat OpenShift平臺概念，重點關注實踐技能。

本課程由講師指導，提供線上或線下培訓，面向初級到中級技術專業人員，旨在幫助學員學習容器工作流、Kubernetes基本概念，以及在OpenShift上部署和操作應用程序。

培訓結束後，學員將能夠：

• 構建和管理容器鏡像及鏡像倉庫，遵循可重複性和安全性的最佳實踐。
• 在OpenShift中部署和管理Kubernetes對象，如pods、deployments和services。
• 使用OpenShift的功能，包括routes、buildconfigs和Web控制檯，以簡化應用程序交付。
• 爲有狀態工作負載實現持久存儲、配置管理和密鑰處理。
• 應用基本安全、RBAC和監控實踐，以維護健康的集羣和應用程序。

課程形式

• 互動式講座與討論。
• 每天在即時OpenShift環境中進行動手實驗。
• 場景驅動的練習和故障排除研討會。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

在這個以講師為主導的 澳門 現場培訓中，參與者將學習如何管理 Red Hat OpenShift 容器平臺。

在培訓結束時，參與者將能夠：

• 創建、配置、管理 OpenShift 個集群並對其進行故障排除。
• 在本地、公有雲或託管雲上部署容器化應用。
• 安全 OpenShift 容器平臺
• 監控和收集指標。
• 管理存儲。

在這次由講師指導的澳門（線下或遠程）培訓中，參與者將學習如何創建和管理Docker容器，然後在容器內部署一個示例應用。參與者還將學習如何在Kubernetes集羣中自動化、擴展和管理他們的容器化應用。最後，培訓將深入探討更高級的主題，引導參與者完成Kubernetes集羣的安全、擴展和監控過程。

通過本次培訓，參與者將能夠：

• 設置並運行Docker容器。
• 部署容器化的服務器和Web應用。
• 構建和管理Docker鏡像。
• 設置Docker和Kubernetes集羣。
• 使用Kubernetes部署和管理集羣化的Web應用。
• 對Kubernetes集羣進行安全、擴展和監控。

本實踐課程的目標是提供所有與Docker和Kubernetes相關的實用工具，使參與者能夠掌握必要的技能，以便妥善管理該程序。

培訓目標：掌握Docker與Kubernetes的理論與操作技能。

在這個由講師指導的澳門現場培訓中，參與者將學習如何使用OpenShift容器平臺來部署容器化應用程式。

在培訓結束時，參與者將能夠：

• 創建並配置 OpenShift 設置。
• 在本地、公有雲或託管雲上快速部署應用程式。

本課程爲講師指導的澳門線下或線上培訓，旨在幫助工程師使用Helm簡化Kubernetes應用的安裝和管理流程。

培訓結束後，學員將能夠：

• 安裝和配置Helm。
• 創建可復現的Kubernetes應用構建。
• 將應用共享爲Helm圖表。
• 運行保存爲Helm圖表的第三方應用。
• 管理Helm包的發佈。

這種以講師為主導的澳門現場培訓（現場或遠端）面向希望在Kubernetes上構建，部署和管理機器學習工作流的開發人員和數據科學家。

在培訓結束時，參與者將能夠：

• 使用 AWS EKS（彈性 Kubernetes 服務）在本地和雲端安裝和配置 Kubeflow。
• 基於 Docker 個容器和 Kubernetes 構建、部署和管理 ML 工作流。
• 在不同的架構和雲環境中運行整個機器學習管道。
• 使用 Kubeflow 生成和管理 Jupyter 筆記本。
• 跨多個平台構建 ML 訓練、超參數調優併為工作負載提供服務。

本課程爲講師指導的澳門線下或線上培訓，面向希望將機器學習工作負載部署到 AWS EC2 服務器的工程師。

培訓結束後，參與者將能夠：

• 在 AWS 上安裝和配置 Kubernetes、Kubeflow 及其他所需軟件。
• 使用 EKS（Elastic Kubernetes Service）簡化在 AWS 上初始化 Kubernetes 集羣的工作。
• 創建並部署 Kubernetes 流水線，以自動化和管理生產環境中的 ML 模型。
• 在多個 GPU 和並行運行的機器上訓練和部署 TensorFlow ML 模型。
• 利用其他 AWS 託管服務擴展 ML 應用。

這種由講師指導的澳門現場培訓（現場或遠端）面向希望將Machine Learning工作負載部署到Azure雲的工程師。

在培訓結束時，參與者將能夠：

• 在 Azure 上安裝和配置 Kubernetes、Kubeflow 和其他所需的軟體。
使用 Azure Kubernetes
• 服務 （AKS） 簡化在 Azure 上初始化 Kubernetes 群集的工作。
• 創建和部署 Kubernetes 管道，用於在生產環境中自動執行和管理 ML 模型。
• 在多個並行運行的 GPU 和機器上訓練和部署 TensorFlow ML 模型。
• 利用其他 AWS 託管服務來擴展 ML 應用程式。

這種以講師為主導的澳門現場培訓（現場或遠端）面向希望在Kubernetes上構建，部署和管理機器學習工作流的開發人員和數據科學家。

在培訓結束時，參與者將能夠：

• 在本地和雲端安裝和配置 Kubeflow。
• 基於 Docker 個容器和 Kubernetes 構建、部署和管理 ML 工作流。
• 在不同的架構和雲環境中運行整個機器學習管道。
• 使用 Kubeflow 生成和管理 Jupyter 筆記本。
• 跨多個平台構建 ML 訓練、超參數調優併為工作負載提供服務。

在這次講師主導的培訓中（澳門線下或遠程），參與者將學習如何在容器內部署一組示例服務器，然後在Kubernetes集羣中自動化、擴展和管理其容器化服務器。培訓還將深入更高級的主題，引導參與者完成Kubernetes集羣的安全、網絡和監控過程。

培訓結束後，參與者將能夠：

• 設置並運行Docker容器。
• 部署容器化數據庫和服務器。
• 設置Docker和Kubernetes集羣。
• 使用Kubernetes在同一集羣下部署和管理不同環境。
• 保護、擴展和監控Kubernetes集羣。

這種以講師為主導的 澳門（在線或現場）現場培訓面向希望學習如何使用 Minikube 設置和管理本地 Kubernetes 環境的初級到中級軟體開發人員和 DevOps 專業人士。

在培訓結束時，參與者將能夠：

• 在本地電腦上安裝和配置 Minikube。
• 瞭解 Kubernetes 的基本概念和架構。
• 使用 kubectl 和 Minikube 儀錶板部署和管理容器。
• 為Kubernetes 設置持久性存儲和網路解決方案。
• 利用 Minikube 開發、測試和調試應用程式。

這種以講師為主導的澳門（在線或現場）現場培訓面向希望將Minikube作為其開發工作流程一部分的中級開發人員和 DevOps 工程師。

在培訓結束時，參與者將能夠：

• 使用 Minikube 設置和管理本地 Kubernetes 環境。
• 瞭解如何在Minikube上部署、管理和調試應用程式。
• 將 Minikube 整合到其持續整合和部署管道中。
• 使用 Minikube 的高級功能優化他們的開發流程。
• 將最佳實踐應用於本地 Kubernetes 開發。

本課程由講師指導，通過實踐演示如何在澳門部署和管理Rancher的Kubernetes集羣。