Formation Kubeflow.
96% de clients Sparks satisfaits (6883 notes)
Durée :
2 jours
12/01/2023 à Distance
numero vert : 0805 950 800 (service et appel gratuits)
Kubeflow
à partir de
1290 €HT
Formation référencée Datadock

Référence :
SF33655
Durée :
2 jours

Disponible en distanciel et dans 17 villes
Ce stage comprend
 14 heures de formation
Support de cours numérique
Pauses et snacks à volonté
Prise en charge OPCO possible
Disponible à distance

Formation Kubeflow.

Suivez notre formation pour apprendre à industrialiser vos modèles de Machine Learning !

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

Objectifs pédagogiques.
Prérequis : Des connaissances en Machine Learning et sur le langage Python.
12/01/2023 à Distance
12/01/2023 à Lille
12/01/2023 à Paris
23/02/2023 à Aix-en-Provence
23/02/2023 à Distance
23/02/2023 à Grenoble
23/02/2023 à Lyon
27/03/2023 à Distance
27/03/2023 à Nantes
27/03/2023 à Paris
24/04/2023 à Distance
24/04/2023 à Grenoble
24/04/2023 à Lyon
24/04/2023 à Toulouse
30/05/2023 à Distance
30/05/2023 à Lille
30/05/2023 à Paris
19/06/2023 à Aix-en-Provence
19/06/2023 à Distance
19/06/2023 à Grenoble
19/06/2023 à Lyon
27/07/2023 à Distance
27/07/2023 à Nantes
27/07/2023 à Paris
07/09/2023 à Distance
07/09/2023 à Grenoble
07/09/2023 à Lyon
07/09/2023 à Toulouse
02/10/2023 à Distance
02/10/2023 à Lille
02/10/2023 à Paris
20/11/2023 à Aix-en-Provence
20/11/2023 à Distance
20/11/2023 à Grenoble
20/11/2023 à Lyon
14/12/2023 à Distance
14/12/2023 à Nantes
14/12/2023 à Paris

Programme de formation Kubeflow.

PDF

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

Notre charte qualité et éthique.

A travers sa Charte Engagement Qualité, Sparks s’engage à tout mettre en œuvre pour que chaque session de formation soit un succès et que votre satisfaction soit totale.

En apprendre davantage sur Kubeflow.

Kubeflow est un outil visant à déployer des flux d’apprentissage automatique (machine learning) sur Kubernetes, de manière simple, fluide et efficace.

Amandine de Sparks
Des chiffres étincelants.
17 années
à vos côtés
+ de 1000
sujets de formation
6883
stagiaires formés en 2021
249
formateurs actifs en 2021
96%
de clients satisfaits
18581
heures de formation réalisées en 2021
HAUT