Formation Kubeflow

Public admis

  • Salarié en Poste
  • Demandeur d'emploi
  • Entreprise
  • Etudiant

Financements

Eligible CPF Votre OPCO Financement personnel

Objectifs de la formation

  • Configurer un environnement Kubeflow
  • Connaître les options de déploiement
  • Construire et déployer un modèle de Machine Learning sur Kubeflow
  • Créer et exécuter un pipeline ML avec Kubeflow Pipelines

Sparks


Tout l'IT, vraiment tout
Voir la fiche entreprise

Tarif

A partir de 1 500,00 €

Durée 2 jours
Modes
  • Centre
  • Entreprise
  • Distance
Sessions
Lieux Partout en France

Sparks


Tout l'IT, vraiment tout
Voir la fiche

Tarif

A partir de 1 500,00 €

Durée 2 jours
Modes
  • Centre
  • Entreprise
  • Distance
Sessions
Lieux Partout en France

Description

A l'issue de cette formation, les participants sont en mesure d'utiliser Kubeflow pour déployer un projet Data Science en production.

Programme

Introduction et retour sur les projets Data Science

Présentation générale de cette formation Kubeflow
Les projets IA et Data Science : généralités, parties prenantes, mise en production…
Le cycle de vie du Machine Learning : entraînement, test, tuning…
Déploiement et pratiques MLOps
Les conteneurs, Docker et Kubernetes
Pourquoi utiliser Kubeflow ?

Vue d’ensemble et installation de Kubeflow

Fonctionnalités, composants et architecture
Options de déploiements
Contraintes de sécurité et prérequis infra
Installation et configuration
Prise en main de l’interface utilisateur
Le gestionnaire de notebooks Jupyter

Construction d’un modèle de Machine Learning

Le processus de développement d’un modèle
Les composants Kubeflow pour l’entraînement d’un modèle
Notebooks et images, exemples de mise en œuvre
Metadata
Entraînement distribué
Tuning avec Katib

Serving avec Kubeflow

Présentation de KServe
Prétraitement des données
Mise en production d’un modèle
Monitoring

Kubeflow Pipelines

Qu’est-ce qu’un pipeline ?
Workflow pour le déploiement d’un modèle ML avec Kubeflow Pipelines SDK
Ajouter des étapes d’entraînement et de serving

Conclusion de la formation Kubeflow

Et après ? Comment ancrer les acquis pédagogiques de la formation
Questions/réponses selon les besoins des stagiaires

Prérequis

Des connaissances en Machine Learning et sur le langage Python.

Public

Data scientists,

Ces formations pourraient vous intéresser

Objectifs de la formation

A l'issue de cette formation, vous serez capable de :

  • Développer et maintenir un modèle de Machine Learning
  • Passer d'un modèle à sa production
  • Identifier les acteurs et le coût de l'industrialisation d'un projet Data Science.
Tarif

A partir de 1 520,00 €

Durée

2j / 14h

Modes
  • Centre
  • Distance

Je cherche à faire...