آموزش ساخت گردش کار یادگیری ماشین پایان به پایان با Kubeflow

Building End-to-end Machine Learning Workflows with Kubeflow

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: در این دوره ، شما یاد خواهید گرفت که چگونه با استفاده از Kubeflow جریانهای یادگیری ماشین مقیاس پذیر و مقیاس پذیر را از پایان به پایان بسازید. ساخت کلاس تولید ، مقیاس پذیری یادگیری ماشین یک کار پیچیده و وقت گیر است. در این دوره ، ایجاد گردش کار یادگیری ماشین به پایان با Kubeflow ، شما یاد خواهید گرفت که از Kubeflow استفاده کنید و کشف کنید که چگونه می تواند دانشمندان داده و مهندسان یادگیری ماشین را قادر سازد تا گردش کار یادگیری ماشین را به پایان برسانند و آزمایشات سریع را انجام دهند. اول ، شما در انجام آموزش توزیع شده در مقیاس بزرگ فرو خواهید رفت. در مرحله بعدی ، شما تنظیم hyperparameter ، نسخه سازی مدل ، ارائه مدل بدون سرور و عرضه قناری را کشف خواهید کرد. سرانجام ، شما می آموزید که چگونه خطوط لوله قابل تکرار را با استفاده از اجزای مختلف Kubeflow ، مانند نوت بوک سرور ، Fairing ، فراداده ، کاتیب و Kubeflow ، ایجاد کنید. وقتی دوره را به پایان رسانید ، قادر خواهید بود برای پروژه های یادگیری ماشین و یادگیری عمیق خود ، گردش کار را به پایان برسانید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

مقدمه Introduction

  • معرفی دوره Course Introduction

  • بررسی اجمالی Kubeflow Kubeflow Overview

  • ساختار دوره Course Structure

  • Fashion-MNIST از بررسی اجمالی مورد استفاده کنید Fashion-MNIST Use Case Overview

تنظیم محیط Kubeflow Setting up Kubeflow Environment

  • مقدمه Introduction

  • بررسی اجمالی Overview

  • گزینه های استقرار Kubeflow Kubeflow Deployment Options

  • Kubeflow را در GCP تنظیم کنید Setup Kubeflow on GCP

  • نسخه ی نمایشی: پیش نیازهای Kubeflow را تنظیم کنید Demo: Setup Kubeflow Prerequisites

  • نسخه ی نمایشی: OAuth را برای GCP Cloud IAP تنظیم کنید Demo: Setup OAuth for GCP Cloud IAP

  • نسخه ی نمایشی: Kubeflow را در GCP تنظیم کنید Demo: Setup Kubeflow on GCP

  • نسخه ی نمایشی: محیط Kubeflow را روی GCP تمیز کنید Demo: Clean Kubeflow Environment on GCP

  • خلاصه Summary

بررسی اجزای Kubeflow Exploring Kubeflow Components

  • مقدمه Introduction

  • بررسی اجمالی Overview

  • مقدمه داکر Docker Introduction

  • نسخه ی نمایشی: نمای کلی Docker Demo: Docker Overview

  • چرا کوبرنتس؟ Why Kubernetes?

  • مقدمه Kubernetes Kubernetes Introduction

  • اجزای اصلی Kubernetes Kubernetes Core Components

  • نسخه ی نمایشی: نمای کلی Kubernetes (قسمت 1) Demo: Kubernetes Overview (Part 1)

  • نسخه ی نمایشی: نمای کلی Kubeflow (قسمت 2) Demo: Kubeflow Overview (Part 2)

  • نسخه ی نمایشی: نمای کلی داشبورد مرکزی Kubeflow Demo: Kubeflow Central Dashboard Overview

  • خلاصه Summary

ساخت مدل یادگیری ماشین در Kubeflow Building Machine Learning Model on Kubeflow

  • مقدمه Introduction

  • بررسی اجمالی Overview

  • روند توسعه مدل و چالش ها Model Development Process and Challenges

  • اجزای Kubeflow برای آموزش Kubeflow Components for Training

  • گردش کار Fashion-MNIST Fashion-MNIST Training Workflow

  • نوت بوک Kubeflow Kubeflow Notebook

  • نسخه ی نمایشی: راه اندازی Notebook Server با یک تصویر از پیش ساخته شده Demo: Setting up Notebook Server with a Pre-built Image

  • نسخه ی نمایشی: راه اندازی Notebook Server با یک تصویر سفارشی Demo: Setting up Notebook Server with a Custom Image

  • بررسی اجمالی مدل یادگیری عمیق برای Fashion-MNIST Deep Learning Model Overview for Fashion-MNIST

  • نسخه ی نمایشی: آموزش در نوت بوک Kubeflow Demo: Training in Kubeflow Notebook

  • بررسی اجمالی متاداده Metadata Overview

  • نسخه ی نمایشی: ردیابی فراداده Demo: Metadata Tracking

  • بررسی اجمالی نمایشگاه Kubeflow Kubeflow Fairing Overview

  • نسخه ی نمایشی: نمایشگاه Kubeflow Demo: Kubeflow Fairing

  • آموزش توزیع شده Distributed Training

  • نسخه ی نمایشی: آموزش توزیع شده با GPU Demo: Distributed Training with GPU

  • نسخه ی نمایشی: آموزش توزیع شده با TFJob Demo: Distributed Training with TFJob

  • تنظیم Hyperparameter با Katib Hyperparameter Tuning with Katib

  • نسخه ی نمایشی: اجرای تنظیم Hyperparameter با Katib Demo: Performing Hyperparameter Tuning with Katib

  • خلاصه Summary

خدمت مدل یادگیری ماشین در Kubeflow Serving Machine Learning Model on Kubeflow

  • مقدمه Introduction

  • بررسی اجمالی Overview

  • روند خدمت مدل و چالش ها Model Serving Process and Challenges

  • اجزای Kubeflow برای سرویس دهی Kubeflow Components for Serving

  • بررسی کلی KFServing KFServing Overview

  • نسخه ی نمایشی: ارائه مدل با استفاده از KFServing Demo: Serving Model Using KFServing

  • نسخه ی نمایشی: قبل و بعد از پردازش با استفاده از KFServing Demo: Pre and Post-processing Using KFServing

  • نمای کلی فروش قناری Canary Rollout Overview

  • نسخه ی نمایشی: Canary Rollout با استفاده از KFServing Demo: Canary Rollout Using KFServing

  • نسخه ی نمایشی: نظارت بر عملکرد با استفاده از KFServing ، Prometheus و Grafana Demo: Performance Monitoring Using KFServing, Prometheus, and Grafana

  • نسخه ی نمایشی: مقیاس گذاری خودکار و آزمایش بار Demo: Auto Scaling and Load Testing

  • خلاصه Summary

ساخت خط لوله یادگیری ماشین با استفاده از خط لوله Kubeflow Build Machine Learning Pipeline Using Kubeflow Pipeline

  • مقدمه Introduction

  • بررسی اجمالی Overview

  • خط لوله و چالش های جریان کار یادگیری ماشین Machine Learning Workflow Pipeline and Challenges

  • اجزای Kubeflow برای ساخت خط لوله Kubeflow Components for Building Pipeline

  • بررسی اجمالی خط لوله Kubeflow Kubeflow Pipeline Overview

  • Fashion-MNIST از خط لوله مورد استفاده کنید Fashion-MNIST Use Case Pipeline

  • نسخه ی نمایشی: ساخت خط لوله Kubeflow با مرحله تنظیم Hyperparameter Demo: Building Kubeflow Pipeline with Hyperparameter Tuning Step

  • نسخه ی نمایشی: افزودن مرحله آموزش به خط لوله Kubeflow Demo: Adding Training Step to Kubeflow Pipeline

  • نسخه ی نمایشی: افزودن مرحله خدمت به خط لوله Kubeflow Demo: Adding Serving Step to Kubeflow Pipeline

  • نسخه ی نمایشی: ساخت خط لوله Kubeflow از Notebook Demo: Building Kubeflow Pipeline from Notebook

  • خلاصه Summary

بعدی چیست What's Next?

  • مقدمه Introduction

  • سفر Kubeflow خود را گسترش دهید Extend Your Kubeflow Journey

نمایش نظرات

نظری ارسال نشده است.

آموزش ساخت گردش کار یادگیری ماشین پایان به پایان با Kubeflow
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3h 30m
70
Pluralsight (پلورال سایت) pluralsight-small
05 اردیبهشت 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
-
از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Abhishek Kumar Abhishek Kumar

مشاور زیرساخت. مربی در Udemy.

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.