Introduction à Kubeflow : principes de base
Nous aborderons les sujets Kubeflow suivants dans ce cours :
- Architecture
- Flux de travail d’apprentissage automatique
- Composants
- Outils et modules complémentaires
- Distributions
- Communauté Kubeflow
- Préparation à la certification
Qu’est-ce que Kubeflow ?
Kubeflow est un projet qui a démarré chez Google. L’idée était de créer un moyen plus simple d’exécuter des tâches TensorFlow sur Kubernetes. Ainsi, Kubeflow a été créé comme un moyen d’exécuter TensorFlow, basé sur un pipeline appelé TensorFlow Extended, puis finalement étendu pour prendre en charge plusieurs architectures et plusieurs clouds afin qu’il puisse être utilisé comme cadre pour exécuter des pipelines d’apprentissage automatique entiers. Le projet open source Kubeflow (sous licence Apache 2.0) a été officiellement annoncé fin 2017.
En un mot, Kubeflow est la boîte à outils d’apprentissage automatique qui s’exécute sur Kubernetes. Les composants combinés de Kubeflow permettent aux scientifiques des données et aux DevOps de gérer les données, de former des modèles, de les régler et de les servir, ainsi que de les surveiller.
À qui s’adresse la série de cours de formation et de certification “Introduction à Kubeflow” ?
Scientifiques des données, développeurs d’apprentissage automatique, ingénieurs DevOps et opérateurs d’infrastructure qui ont peu ou pas d’expérience avec Kubeflow et qui souhaitent approfondir leurs connaissances étape par étape, tester leurs connaissances et obtenir des certificats en cours de route.
Quels sont les prérequis pour ce cours ?
Une compréhension de base du cloud computing, de Kubernetes et des concepts d’apprentissage automatique est très utile.
