データサイエンス／機械学習モデルの開発において、最も一般的な課題の 1 つは、大規模かつリアルタイムで運用できるエンドツーエンドパイプラインを設計することです。データサイエンティストやエンジニアは、多くの場合、実験のためのインフラを学習、開発、保守することが求められます。
このラボでは、Salman が Kubeflow を使用するメリットについて説明します。Kubeflow は、機械学習に関連しないタスクを抽象化しながら制御できるように設計されたオープンソースの Kubernetes ベースプラットフォームです。
これから学ぶ内容の一部をご紹介します。
- Kubeflow のアーキテクチャとインストール
- Kubeflow パイプラインでのエンドツーエンドのオーケストレーション機械学習実験の作成
- Kubeflow の現在のユースケースと、他の業界のチームがクラウドを活用して機械学習の運用をスケーリングしてきた方法