Szkolenie Kubeflow

Infoshare to największa społeczność technologiczna w CEE i organizator wiodącej konferencji tech w Gdańsku. Łączy startupy, inwestorów, korporacje i pasjonatów innowacji. Promuje przedsiębiorczość, dzielenie się wiedzą i networking. Dzięki wydarzeniom, konkursom i programom wspiera rozwój ekosystemu technologicznego w Polsce i regionie.

Szkolenie z Kubeflow to intensywny, dwudniowy kurs, który koncentruje się na praktycznym zastosowaniu tej platformy do zarządzania cyklem życia modeli machine learningowych na Kubernetes. Program szkolenia jest tak zaprojektowany, aby 80% czasu poświęcone było na praktyczne warsztaty, a 20% na teorię. Uczestnicy nauczą się, jak wykorzystać pełen potencjał Kubeflow do trenowania, wdrażania i monitorowania modeli ML, pracując na rzeczywistych przykładach i przypadkach użycia.

• Programistów i inżynierów danych, którzy chcą poszerzyć swoje umiejętności w zakresie zarządzania cyklem życia modeli ML na Kubernetes
• Specjalistów IT, którzy chcą wykorzystać Kubeflow do automatyzacji przetwarzania danych i predykcji w swoich organizacjach
• Data scientistów i analityków danych, pragnących trenować i wdrażać modele ML w skalowalnym środowisku produkcyjnym
• Osób z podstawową znajomością programowania w Pythonie, podstawową wiedzą z zakresu uczenia maszynowego oraz podstawowymi umiejętnościami w pracy z Kubernetes.

• Jak konfigurować i zarządzać Kubeflow na Kubernetes
• Jak wdrażać modele ML za pomocą Kubeflow Serving i monitorować ich działanie
• Jak przeprowadzać eksploracyjną analizę danych i trenować modele ML przy użyciu Kubeflow Pipelines
• Jak integrować Kubeflow z innymi narzędziami ML i platformami chmurowymi oraz automatyzować procesy ML za pomocą narzędzi CI/CD

• DZIEŃ 1: WPROWADZENIE DO KUBEFLOW I PODSTAWY PLATFORMY
   • Podstawy Kubeflow
   • Wprowadzenie do Kubeflow i jego architektury
   • Instalacja Kubeflow na Kubernetes

  • ZARZĄDZANIE DANYMI I EKSPLORACYJNA ANALIZA DANYCH (EDA)
     • Importowanie i przetwarzanie danych w Kubeflow
     • Przeprowadzanie EDA za pomocą Kubeflow Pipelines

  • TRENOWANIE MODELI W KUBEFLOW
     • Wprowadzenie do komponentów trenowania w Kubeflow
     • Automatyzacja trenowania modeli za pomocą Kubeflow Pipelines
     • Trenowanie pierwszego modelu
     • Praktyczne ćwiczenia z trenowaniem modelu na przykładzie rzeczywistego zbioru danych
     • Analiza wyników i ocena modelu

• DZIEŃ 2: ZAAWANSOWANE TECHNIKI I PRAKTYCZNE ZASTOSOWANIA
  ZAAWANSOWANE TECHNIKI TRENOWANIA MODELI
   • Wykorzystanie własnych skryptów do trenowania modeli
   • Użycie GPU i klastrów obliczeniowych do przyspieszenia trenowania

  • WDRAŻANIE I MONITOROWANIE MODELI
     • Wdrażanie modeli za pomocą Kubeflow Serving
     • Monitorowanie i zarządzanie wdrożonymi modelami

  • WDRAŻANIE I OPTYMALIZACJA MODELU
     • Praktyczne ćwiczenia z wdrażania modelu Kubeflow
     • Optymalizacja modelu i tuning hiperparametrów

  • INTEGRACJA Z INNYMI NARZĘDZIAMI I USŁUGAMI (OPCJONALNIE)
     • Integracja Kubeflow z innymi narzędziami ML i platformami chmurowymi
     • Wykorzystanie narzędzi do CI/CD do automatyzacji procesów ML

16 h/2 dni