Публикации по теме 'kubeflow'
Машинное обучение Kubeflow Times - воспроизводимость шаг за шагом
Очень часто рабочий процесс обучения моделей машинного обучения и их доставки в производственную среду включает в себя массу ручной работы. Это могут быть различные шаги в зависимости от типа модели, которую вы используете, рабочего процесса компании, в которой вы работаете, и требований от развернутой модели. В отрасли уже разработаны инструменты для непрерывной доставки / интеграции программного обеспечения, но их нельзя напрямую применять для моделей машинного обучения, что указывает на..
Объявление о выпуске Kubeflow 1.2
Специальное сообщение от основателей Kubeflow:
Три года (!!) назад мы (Джереми Льюи, Виш Каннан и Дэвид Арончик) стояли на сцене Kubecon , чтобы впервые представить Kubeflow. Мы даже представить себе не могли, что получится — тысячи звезд GitHub, десятки тысяч коммитов и сообщество, создавшее самую гибкую и масштабируемую платформу для машинного обучения. И, что лучше всего, он не поддерживается огромной компанией, которая требует от вас обновления , чтобы использовать его; мы раздали..
Преимущества ArgoCD Flow GitOps для развертывания Kubeflow
У GitOps есть история, чтобы рассказать вам об оптимизации машинного обучения Kubeflow, рабочих нагрузках и обо всем остальном - о рабочих процессах. К началу 2010-х годов DevOps приобрел большую популярность и из-за ИТ-потребностей расширился, чтобы охватить всю экосистему информационных технологий. До сегодняшнего дня и из будущего эта ИТ-экосистема создает очень сложные технологии DevOps. Точно так же сейчас происходит то же самое с GitOps, я имею в виду смену парадигмы. GitOps..
Опрос пользователей сообщества Kubeflow, осень 2019
Недавно мы провели опрос пользователей Kubeflow осенью 2019 года, чтобы попытаться лучше понять тенденции и проблемы, которые были наиболее важны для нашего сообщества и пользователей. Переходя к Kubeflow 1.0, мы думали, что для нас имеет смысл обратиться к нашей аудитории, чтобы услышать от них, чтобы результаты могли быть доступны сообществу Kubeflow для разработки функций и лучшего понимания наших приоритетов.
Это наш второй опрос в этом году, на который было получено более 75..
Начните работу с Kubeflow, используя MiniKF на Vagrant
Проект Kubeflow был анонсирован еще в декабре 2017 года и с тех пор стал очень популярной платформой машинного обучения как среди специалистов по данным, так и среди инженеров MLOps. Если вы новичок в экосистеме и сообществе Kubeflow, вот краткое изложение.
Kubeflow предназначен для простого, переносимого и масштабируемого развертывания рабочих процессов машинного обучения (ML) в Kubernetes. В двух словах, Kubeflow — это набор инструментов машинного обучения для Kubernetes. Таким..
Kubernetes и Amazon SageMaker для машинного обучения - лучшее из обоих миров
Используйте Amazon SageMaker, чтобы расширить емкость и возможности вашего кластера Kubernetes для рабочих нагрузок машинного обучения.
Если вы являетесь частью команды, которая часто обучает и развертывает модели машинного обучения, у вас, вероятно, есть настройка кластера, которая поможет организовать и управлять рабочими нагрузками машинного обучения. Скорее всего, вы используете Kubernetes (и KubeFlow) или Amazon SageMaker.
До сих пор вам приходилось выбирать свою систему..
Извилистая дорога к лучшей инфраструктуре машинного обучения с помощью Tensorflow Extended и Kubeflow
от Джош Баер и Сэмюэл Нгахане
Когда Spotify был запущен в 2008 году в Швеции и в 2011 году в США, люди были поражены тем, что они могли мгновенно получить доступ почти ко всему музыкальному каталогу мира. Это было похоже на волшебство, и в результате любители музыки закопались и организовали этот контент в миллионы уникальных плейлистов. Сначала наши пользователи полагались на плейлисты и элементарные функции рекомендаций, такие как функция связанных исполнителей, для поиска новой..
