聯繫我們
 課程時長 14 時間:

課程簡介

Kubeflow 介紹

  • 理解 Kubeflow 的使命與架構
  • 核心元件與生態系統概覽
  • 部署選項與平台功能

操作 Kubeflow 儀表板

  • 使用者介面導覽
  • 管理筆記型電腦與工作區
  • 整合儲存與數據源

Kubeflow Pipelines 基礎

  • 管線結構與元件設計
  • 使用 Python SDK 撰寫管線
  • 執行、排程及監控管線運行

在 Kubeflow 上訓練 ML 模型

  • 分散式訓練模式
  • 使用 TFJob、PyTorchJob 及其他運算子
  • Kubernetes 中的資源管理與自動縮放

使用 Kubeflow 部署模型

  • KFServing / KServe 概覽
  • 使用自訂執行時部署模型
  • 管理版本、縮放及流量路由

在 Kubernetes 上管理 ML 工作流程

  • 對數據、模型及產出物進行版本控制
  • 整合 ML 管線的 CI/CD
  • 安全性與基於角色的存取控制

生產環境 ML 最佳實踐

  • 設計可靠的工作流程模式
  • 可觀察性與監控
  • 排查 Kubeflow 常見問題

進階主題(選修)

  • 多租戶 Kubeflow 環境
  • 混合式及多叢集部署情境
  • 使用自訂元件擴展 Kubeflow

總結與下一步

最低要求

  • 了解容器化應用程式
  • 具備基本命令列工作流程經驗
  • 熟悉 Kubernetes 概念

目標受眾

  • 機器學習實務者
  • 數據科學家
  • 初識 Kubeflow 的 DevOps 團隊

客戶評論 (4)

課程分類