Guide d'utilisation de Cubeflow
 |
Description
Introduction au livre
Guide pratique pour la planification et l'exécution d'un projet Kubeflow réussi
Dans les applications d'apprentissage automatique, « construire un modèle » n'est qu'une petite étape.
L'ensemble du processus comprend le développement, l'orchestration, le déploiement et l'exploitation de charges de travail d'apprentissage automatique portables et évolutives.
Ce livre vous guide à travers la planification opérationnelle et l'exécution de projets Kubernetes, rendant vos flux de travail Kubernetes portables et évolutifs.
Nous espérons que vous pourrez facilement exploiter vos applications d'apprentissage automatique grâce à la plateforme Kubeflow, qui prend en charge les flux de travail depuis les environnements sur site jusqu'aux principaux fournisseurs de cloud : GCP, AWS et Azure.
Dans les applications d'apprentissage automatique, « construire un modèle » n'est qu'une petite étape.
L'ensemble du processus comprend le développement, l'orchestration, le déploiement et l'exploitation de charges de travail d'apprentissage automatique portables et évolutives.
Ce livre vous guide à travers la planification opérationnelle et l'exécution de projets Kubernetes, rendant vos flux de travail Kubernetes portables et évolutifs.
Nous espérons que vous pourrez facilement exploiter vos applications d'apprentissage automatique grâce à la plateforme Kubeflow, qui prend en charge les flux de travail depuis les environnements sur site jusqu'aux principaux fournisseurs de cloud : GCP, AWS et Azure.
- Vous pouvez consulter un aperçu du contenu du livre.
Aperçu
indice
CHAPITRE 1 : Introduction à Cubeflow
1.1 Apprentissage automatique dans Kubernetes
_1.2 Cas d'utilisation courants de Kubeflow
1.3 Composants de Kubeflow
1.4 En conclusion
CHAPITRE 2 : Architecture et bonnes pratiques de Kubflow
2.1 Aperçu de l'architecture Kubeflow
2.2 Architecture multi-locataire de Kubeflow
_2.3 Architecture de Jupyter Notebook
2.4 Architecture du pipeline
_2.5 Bonnes pratiques Kubeflow
2.6 En conclusion
CHAPITRE 3 : PLAN D'INSTALLATION DE CUBE FLOW
3.1 Plan de sécurité
_3.2 Utilisateur
_3.3 Charge de travail
Plan GPU 3.4
3.5 Planification des infrastructures
3.6 Gestion des conteneurs
_3.7 Opération de conteneurs sans serveur avec Knative
3.8 Taille et croissance
3.9 En conclusion
CHAPITRE 4 Installation de Kubeflow sur site
_4.1 Commandes Kubeflow
4.2 Processus d'installation de base
4.3 Accès et interaction avec Kubeflow
_4.4 Installation de Kubeflow
_4.5 En conclusion
CHAPITRE 5 : Exécution de Google Cloud Kubeflow
5.1 Présentation de Google Cloud Platform
5.2 Installation du SDK Google Cloud
5.3 Installation de Kubeflow sur Google Cloud Platform
5.4 En conclusion
CHAPITRE 6 : Opérations Kubeflow sur Amazon Web Services
6.1 Présentation d'Amazon Web Services
6.2 Inscrivez-vous à Amazon Web Services
6.3 Installation de l'interface de ligne de commande AWS
_6.4 Kubeflow sur Amazon Web Services
6.5 Utilisation de Kubernetes managé sur Amazon EKS
6.6 Comprendre le processus de déploiement
6.7 En conclusion
Chapitre 7 : Opérations de flux Azure Kubernetes
7.1 Présentation de la plateforme cloud Azure
_7.2 Interface de ligne de commande Azure
_7.3 Installation de Kubeflow sur Azure Kubernetes
7.4 Autorisation d'accès au réseau pour la distribution
7.5 En conclusion
CHAPITRE 8 SERVICE ET INTÉGRATION AVEC LES MODÈLES
8.1 Concepts de base de la gestion des modèles
8.2 Introduction à KFServing
8.3 Gestion des modèles à l'aide de KFServing
8.4 En conclusion
Annexe A Concepts d'infrastructure
Annexe B : Vue d’ensemble de Kubernetes
Annexe C : Opérations Istio et Kubeflow
1.1 Apprentissage automatique dans Kubernetes
_1.2 Cas d'utilisation courants de Kubeflow
1.3 Composants de Kubeflow
1.4 En conclusion
CHAPITRE 2 : Architecture et bonnes pratiques de Kubflow
2.1 Aperçu de l'architecture Kubeflow
2.2 Architecture multi-locataire de Kubeflow
_2.3 Architecture de Jupyter Notebook
2.4 Architecture du pipeline
_2.5 Bonnes pratiques Kubeflow
2.6 En conclusion
CHAPITRE 3 : PLAN D'INSTALLATION DE CUBE FLOW
3.1 Plan de sécurité
_3.2 Utilisateur
_3.3 Charge de travail
Plan GPU 3.4
3.5 Planification des infrastructures
3.6 Gestion des conteneurs
_3.7 Opération de conteneurs sans serveur avec Knative
3.8 Taille et croissance
3.9 En conclusion
CHAPITRE 4 Installation de Kubeflow sur site
_4.1 Commandes Kubeflow
4.2 Processus d'installation de base
4.3 Accès et interaction avec Kubeflow
_4.4 Installation de Kubeflow
_4.5 En conclusion
CHAPITRE 5 : Exécution de Google Cloud Kubeflow
5.1 Présentation de Google Cloud Platform
5.2 Installation du SDK Google Cloud
5.3 Installation de Kubeflow sur Google Cloud Platform
5.4 En conclusion
CHAPITRE 6 : Opérations Kubeflow sur Amazon Web Services
6.1 Présentation d'Amazon Web Services
6.2 Inscrivez-vous à Amazon Web Services
6.3 Installation de l'interface de ligne de commande AWS
_6.4 Kubeflow sur Amazon Web Services
6.5 Utilisation de Kubernetes managé sur Amazon EKS
6.6 Comprendre le processus de déploiement
6.7 En conclusion
Chapitre 7 : Opérations de flux Azure Kubernetes
7.1 Présentation de la plateforme cloud Azure
_7.2 Interface de ligne de commande Azure
_7.3 Installation de Kubeflow sur Azure Kubernetes
7.4 Autorisation d'accès au réseau pour la distribution
7.5 En conclusion
CHAPITRE 8 SERVICE ET INTÉGRATION AVEC LES MODÈLES
8.1 Concepts de base de la gestion des modèles
8.2 Introduction à KFServing
8.3 Gestion des modèles à l'aide de KFServing
8.4 En conclusion
Annexe A Concepts d'infrastructure
Annexe B : Vue d’ensemble de Kubernetes
Annexe C : Opérations Istio et Kubeflow
Image détaillée
Avis de l'éditeur
Comment exécuter plus facilement des applications de Machine Learning avec Kubeflow
Kubeflow est un outil qui vous permet d'exécuter facilement et intuitivement des flux de travail d'apprentissage automatique dans un environnement Kubernetes, au sein d'un environnement unique.
Toutes les étapes, y compris l'écriture de code, la création et l'allocation de conteneurs, l'entraînement des modèles, la mise en service, la progression des projets d'apprentissage automatique, le déploiement et la sécurité, peuvent être gérées avec KubeFlow.
Kubeflow vous permet de créer des flux de travail d'apprentissage automatique sur Kubernetes sans avoir à vous plonger dans les détails internes.
Ce livre aborde les fonctionnalités essentielles de Kubeflow, son application dans différents environnements (AWS, GCP, Azure) et son déploiement, vous permettant ainsi d'exploiter efficacement vos applications d'apprentissage automatique.
Contenu principal
- Comprendre l'architecture de Kubeflow et les bonnes pratiques d'utilisation de la plateforme Kubeflow
- Comprendre le processus de déploiement de Kubeflow
Installation de Kubeflow sur un cluster Kubernetes local existant
Déploiement de Kubernetes sur GCP, AWS et Azure
- Développement et déploiement de modèles d'apprentissage automatique à l'aide de KFServing
Kubeflow est un outil qui vous permet d'exécuter facilement et intuitivement des flux de travail d'apprentissage automatique dans un environnement Kubernetes, au sein d'un environnement unique.
Toutes les étapes, y compris l'écriture de code, la création et l'allocation de conteneurs, l'entraînement des modèles, la mise en service, la progression des projets d'apprentissage automatique, le déploiement et la sécurité, peuvent être gérées avec KubeFlow.
Kubeflow vous permet de créer des flux de travail d'apprentissage automatique sur Kubernetes sans avoir à vous plonger dans les détails internes.
Ce livre aborde les fonctionnalités essentielles de Kubeflow, son application dans différents environnements (AWS, GCP, Azure) et son déploiement, vous permettant ainsi d'exploiter efficacement vos applications d'apprentissage automatique.
Contenu principal
- Comprendre l'architecture de Kubeflow et les bonnes pratiques d'utilisation de la plateforme Kubeflow
- Comprendre le processus de déploiement de Kubeflow
Installation de Kubeflow sur un cluster Kubernetes local existant
Déploiement de Kubernetes sur GCP, AWS et Azure
- Développement et déploiement de modèles d'apprentissage automatique à l'aide de KFServing
SPÉCIFICATIONS DES PRODUITS
- Date d'émission : 31 janvier 2022
- Nombre de pages, poids, dimensions : 344 pages | 183 × 235 × 30 mm
- ISBN13 : 9791162245118
- ISBN10 : 1162245115
Vous aimerez peut-être aussi
카테고리
Langue coréenne
Langue coréenne
![GQ KOREA Mark (Mensuel) : décembre [2025]](http://librairie.coreenne.fr/cdn/shop/files/8ef265dbbfbf186523ed75ba7319009d.jpg?v=1765340328&width=3840)
