Objectifs
- Installer et configurer Kubeflow sur site et dans le cloud en utilisant AWS EKS (Elastic Kubernetes Service).
- Construire, déployer et gérer des flux de travail de ML basés sur des conteneurs Docker et Kubernetes.
- Exécuter des pipelines d'apprentissage automatique complets sur diverses architectures et environnements en nuage.
- Utiliser Kubeflow pour créer et gérer des carnets Jupyter.
- Construire des charges de travail d'entraînement ML, de réglage d'hyperparamètres et de service sur plusieurs plates-formes.
Description
Introduction
- Introduction à Kubernetes
- Aperçu des caractéristiques et de l'architecture de Kubeflow Kubeflow sur AWS vs sur site vs sur d'autres fournisseurs de cloud public
- Kubeflow sur AWS vs sur site vs sur d'autres fournisseurs de cloud public
Mise en place d'un cluster avec AWS EKS
Mise en place d'un cluster sur site avec Microk8s
Déploiement Kubernetes avec une approche GitOps
Approches de stockage de données
Création d'un Kubeflow pipeline
Déclenchement d'un pipeline
Définir les artefacts de sortie
Stockage des métadonnées pour les ensembles de données et les modèles
Optimisation des hyperparamètres avec TensorFlow (en anglais)
Visualisation et analyse des résultats
Entraînement multi-GPU
Créer un serveur d'inférence pour déployer des modèles de ML
Travailler avec JupyterHub
Networking et l'équilibrage de la charge
Mise à l'échelle automatique d'un cluster Kubernetes
Résolution des problèmes
Résumé et conclusion
Liste des sessions
2 avril 2026 > 9 avril 2028
NobleProg France
- 0669910006
- loic.stas@nobleprog.com
Centre de formation
15 Rue Taitbout, 75009 Paris 9e
Lieu de formation
15 Rue Taitbout, 75009 Paris 9e