What You Need to Know Before
You Start

Starts 8 June 2025 14:28

Ends 8 June 2025

00 days
00 hours
00 minutes
00 seconds
course image

Écosystème Kubeflow : Quelle est la prochaine étape pour l'IA/ML cloud native et LLMOps?

Explorez l'évolution de Kubeflow en tant que plateforme ML de premier plan sur Kubernetes, en vous concentrant sur son adaptation pour soutenir les LLMOps, les défis dans le déploiement de GenAI, et la feuille de route pour l'infrastructure ML de nouvelle génération.
CNCF [Cloud Native Computing Foundation] via YouTube

CNCF [Cloud Native Computing Foundation]

2544 Cours


32 minutes

Optional upgrade avallable

Not Specified

Progress at your own speed

Free Video

Optional upgrade avallable

Aperçu

Explorez l'évolution de Kubeflow en tant que plateforme ML de premier plan sur Kubernetes, en vous concentrant sur son adaptation pour soutenir les LLMOps, les défis dans le déploiement de GenAI, et la feuille de route pour l'infrastructure ML de nouvelle génération.

Programme

  • Introduction au cours
  • Aperçu de Kubeflow et Kubernetes
    Objectifs et résultats du cours
  • Module 1 : Fondations de Kubeflow
  • Architecture et composants de Kubeflow
    Installation de Kubeflow sur Kubernetes
  • Module 2 : Kubeflow pour l'apprentissage automatique
  • Pipelines ML de bout en bout avec Kubeflow
    Entraînement et évaluation de modèles dans Kubeflow
    Déploiement et surveillance des modèles ML
  • Module 3 : Introduction aux LLMOps
  • Définition des LLMOps et leur importance
    Défis clés dans la gestion des grands modèles de langage
  • Module 4 : Adaptation de Kubeflow pour les LLMOps
  • Intégration des flux de travail LLM dans Kubeflow
    Outils et techniques pour le passage à l'échelle des LLMOps
    Gestion des ressources et optimisation des performances
  • Module 5 : Défis dans le déploiement de GenAI
  • Considérations sur la confidentialité et la sécurité des données
    Résolution des goulots d'étranglement de l'infrastructure
    Garantie de la robustesse et de la fiabilité des modèles
  • Module 6 : Feuille de route pour l'infrastructure ML de nouvelle génération
  • Tendances émergentes dans l'IA/ML cloud native
    Améliorations futures et fonctionnalités de Kubeflow
    Préparation pour un écosystème ML modulaire et extensible
  • Ateliers pratiques et études de cas
  • Ateliers pratiques déployant des modèles ML avec Kubeflow
    Études de cas sur la mise en œuvre réussie des LLMOps
  • Conclusion du cours
  • Récapitulation des apprentissages clés
    Discussion sur les orientations futures dans le ML cloud native et les LLMOps
  • Ressources supplémentaires
  • Lectures recommandées et documentation
    Forums communautaires et canaux de support
  • Évaluation finale
  • Vérification des connaissances et enquête de retour sur le cours

Sujets

Informatique