Вебинар "MLOps без боли в облаке MCS #1: Разворачиваем Kubeflow. Простые масштабируемые воркфлоу для ML на Kubernetes" состоится 22 декабря 2020 года в 17:00 (мск).
Для успеха в Data Science нужно часто пробовать новые модели, не все из которых срабатывают. Когда количество проектов переваливает за разумные пределы, управлять инфраструктурой для машинного обучения становится сложно. Здесь на помощь приходит MLOps — современный подход к автоматизации работы аналитика данных. С ним легко эффективно выстроить процессы работы с технологиями машинного обучения, чтобы они приносили пользу бизнесу.
Сочетание Cloud-Native и MLOps-подходов позволяет просто и быстро проверять ML-модели с использованием облачных сервисов, таких как Kubernetes, не погружаясь в инфраструктурные дебри. Мы начнем серию вебинаров “MLOps без боли” с Kubeflow — он позволяет создавать индивидуальные окружения для тестирования: с гибкой настройкой, используя Docker и Kubernetes, — а также решить проблему воспроизводимости экспериментов. Освоив Kubeflow, вы сможете быстро выводить модели в продуктив, организовывать трекинг моделей и экспериментов. Однако сама установка и настройка Kubeflow довольно непростой процесс.
На вебинаре мы:
- Подготовим кластер Kubernetes к установке Kubeflow, установим Istio
- Установим Kubeflow в режиме multi-user, auth-enabled
- Обучим тестовую модель машинного обучения и опубликуем ее
По итогам вебинара вы получите подробную инструкцию, как установить и запустить Kubeflow в облачной платформе Mail.ru Cloud Solutions, и репозиторий — и сможете использовать микросервисы для быстрой проверки новых моделей. В конце — на ваши вопросы ответит архитектор PaaS-продуктов Mail.ru Cloud Solutions Александр Волынский.
Онлайн,MLOps без боли в облаке MCS #1: Разворачиваем Kubeflow. Простые масштабируемые воркфлоу для ML на Kubernetes
- Анонс
- Программа
- Участники
- Спикеры
Вебинар "MLOps без боли в облаке MCS #1: Разворачиваем Kubeflow. Простые масштабируемые воркфлоу для ML на Kubernetes" состоится 22 декабря 2020 года в 17:00 (мск).
Для успеха в Data Science нужно часто пробовать новые модели, не все из которых срабатывают. Когда количество проектов переваливает за разумные пределы, управлять инфраструктурой для машинного обучения становится сложно. Здесь на помощь приходит MLOps — современный подход к автоматизации работы аналитика данных. С ним легко эффективно выстроить процессы работы с технологиями машинного обучения, чтобы они приносили пользу бизнесу.
Сочетание Cloud-Native и MLOps-подходов позволяет просто и быстро проверять ML-модели с использованием облачных сервисов, таких как Kubernetes, не погружаясь в инфраструктурные дебри. Мы начнем серию вебинаров “MLOps без боли” с Kubeflow — он позволяет создавать индивидуальные окружения для тестирования: с гибкой настройкой, используя Docker и Kubernetes, — а также решить проблему воспроизводимости экспериментов. Освоив Kubeflow, вы сможете быстро выводить модели в продуктив, организовывать трекинг моделей и экспериментов. Однако сама установка и настройка Kubeflow довольно непростой процесс.
На вебинаре мы:
- Подготовим кластер Kubernetes к установке Kubeflow, установим Istio
- Установим Kubeflow в режиме multi-user, auth-enabled
- Обучим тестовую модель машинного обучения и опубликуем ее
По итогам вебинара вы получите подробную инструкцию, как установить и запустить Kubeflow в облачной платформе Mail.ru Cloud Solutions, и репозиторий — и сможете использовать микросервисы для быстрой проверки новых моделей. В конце — на ваши вопросы ответит архитектор PaaS-продуктов Mail.ru Cloud Solutions Александр Волынский.
