本文转载自 开源技术 * IBM 微讲堂 | Kubeflow 系列(观看回放 | 下载讲义) 学习和掌握 Kubernetes 上的机器学习工具集 Kubeflow IBM Developer 中国 更新: 2020-11-13 | 发布: 2020-09-15
机器学习和云计算为当下最火热的两大技术方向。随着机器学习的发展,人们越来越希望借助于云计算的力量,来完成机器学习的模型训练和业务部署等。而 Kubernetes 已然发展为云计算方面的标杆技术,如何将机器学习的工作流快速方便的部署到 Kubernetes 平台上,成为当下亟待解决的问题。Kubeflow 正为此而来。
Kubeflow 是 Kubernetes 上的机器学习工具集,致力于简化 Kubernetes 上机器学习工作流的部署和管理。IBM 开源技术微讲堂将从 9 月 24 日开启全新系列课程——Kubeflow,介绍 Kubeflow 的方方面面。
Kubeflow 是用于 Kubernetes 的机器学习工具包。它旨在使 Kubernetes 上的机器学习工作流程部署变得简单、可移植且可扩展。Kubeflow 最初只是 Google 的一个内部项目,用于在 Kubernetes 上运行 TensorFlow 作业;它现在已成为一个开源项目,其贡献者遍布全球。这是一个云原生项目,可以部署在各种云平台上。也可以在本地计算机或企业内部安装 Kubeflow。
对 Kubeflow 感兴趣的技术开发者。
时间 | 主题 | 摘要 |
---|---|---|
9.24 | Kubeflow: 端到端的机器学习平台 | 扼要介绍 Kubeflow 的概念,发展历程和主要模块,您将对 Kubeflow 各个模块基本功能有初步基本了解。 |
10.15 | Kubeflow 控制面板:使用 Operator 框架管理和部署 Kubelow | 深入介绍 Kubeflow 的控制面板,并且讲解如何通过 Operator 来部署和管理 Kubeflow 组件。 |
10.22 | Kubeflow Fairing:Kubeflow 混合云 SDK | 深入介绍 Fairing,以及如何使用 Fairing 在混合云环境中构建、训练和部署机器学习的流程 |
10.29 | KFServing:机器学习模型的服务化部署 | 深入介绍 KFServing 以及如何使用 KFServing 部署各种框架的模型 |
11.05 | Kubeflow Pipelines: 从数据到模型发布的端到端机器学习工作流 | 深入介绍 Pipelines,以及如何使用 Pipelines 部署和运行机器学习工作流 |
11.12 | 分布式训练和 AutoML | 深入介绍 Kubeflow 分布式训练以及 AutoML |
在本次课程中,讲师从机器学习生命周期的出发,介绍了 Kubeflow 这个端到端的机器学习工具集,概括讲述了 Kubeflow 的每个模块在生命周期的每个阶段起到的作用和使用方法。
在本次课程中,讲师深入介绍了 Kubeflow 的控制面板,并且讲解了如何通过 Operator 来部署和管理 Kubeflow 组件。
在本次课程中,讲师从四个方面深入介绍 Fairing,以及如何使用 Fairing 在混合云环境中构建、训练和部署机器学习的流程。
在本次课程中,讲师深入介绍了 Pipelines,以及如何使用 Pipelines 部署和运行机器学习工作流。
在本次课程中,讲师深入介绍了 Kubeflow 分布式训练以及 AutoML,帮助你快速上手。