Kubeflow สำหรับ Machine Learning: การตั้งค่าและการจัดการเวิร์กโฟลว์

การจัดการวงจรชีวิตทั้งหมดของโมเดล Machine Learning อาจมีความซับซ้อน ซึ่งต้องอาศัยเครื่องมือที่แข็งแกร่งสำหรับการจัดลำดับงานและการปรับใช้ หลักสูตรนี้มีความเข้าใจพื้นฐานเกี่ยวกับ Kubeflow ซึ่งช่วยให้คุณสามารถจัดลำดับและจัดการโปรเจกต์ Machine Learning ของคุณตั้งแต่การเตรียมข้อมูลไปจนถึงการปรับใช้โมเดล สิ่งที่คุณจะได้เรียนรู้: * ทำความเข้าใจองค์ประกอบหลักและรูปแบบสถาปัตยกรรมของ Kubeflow * กำหนดค่าและปรับใช้สภาพแวดล้อม Kubeflow บนคลัสเตอร์ Kubernetes * ออกแบบและใช้งานไปป์ไลน์ Machine Learning แบบครบวงจรโดยใช้ Kubeflow Pipelines * จัดการการทดลอง ML ติดตามเมตริก และเวอร์ชันโมเดลภายใน Kubeflow * ประยุกต์ใช้หลักการ MLOps พื้นฐานสำหรับเวิร์กโฟลว์ ML ที่ปรับขนาดได้และทำซ้ำได้ * ฝึกฝนการรวมเฟรมเวิร์ก ML ทั่วไปเข้ากับงานที่จัดการโดย Kubeflow หลักสูตรเริ่มต้นด้วยคำศัพท์ที่จำเป็นและภาพรวมของสถาปัตยกรรม ก้าวไปสู่การกำหนดค่าภาคปฏิบัติและการประยุกต์ใช้ส่วนประกอบของ Kubeflow อย่างใช้งานจริง คุณจะได้เรียนรู้การสร้างและจัดการเวิร์กโฟลว์ Machine Learning ของคุณเองตั้งแต่เริ่มต้น หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นใช้งานด้านการปฏิบัติการ Machine Learning และผู้ที่ต้องการเป็นวิศวกร ML ซึ่งต้องการใช้ประโยชน์จาก Kubeflow ในการจัดการโปรเจกต์ของตน ไม่จำเป็นต้องมีประสบการณ์เกี่ยวกับ Kubeflow มาก่อน แม้ว่าความเข้าใจพื้นฐานเกี่ยวกับแนวคิด Machine Learning และอินเทอร์เฟซบรรทัดคำสั่งจะมีประโยชน์ เริ่มต้นการเดินทางของคุณสู่การเชี่ยวชาญ Kubeflow และเปลี่ยนแปลงการพัฒนา Machine Learning ของคุณ