الفصل 2: Kubeflow

مكونات Kubeflow

المكون	الغرض
Pipelines	تنسيق سير عمل التعلم الآلي
Notebooks	دفاتر Jupyter على K8s
Katib	ضبط المعلمات الفائقة
KFServing	تقديم النموذج
Training Operators	التدريب الموزع (TFJob, PyTorchJob)

مثال على خط أنابيب Kubeflow

from kfp import dsl, compiler

@dsl.component
def preprocess_data(input_path: str, output_path: str):
    import pandas as pd
    df = pd.read_csv(input_path)
    # Preprocessing logic
    df.to_csv(output_path, index=False)

@dsl.component
def train_model(data_path: str, model_path: str):
    import joblib
    from sklearn.ensemble import RandomForestClassifier
    # Training logic
    model = RandomForestClassifier()
    joblib.dump(model, model_path)

@dsl.pipeline(name="ml-training-pipeline")
def ml_pipeline(input_data: str = "gs://bucket/data.csv"):
    preprocess_task = preprocess_data(input_path=input_data, output_path="/tmp/processed.csv")
    train_task = train_model(data_path=preprocess_task.output, model_path="/tmp/model.pkl")

compiler.Compiler().compile(ml_pipeline, "pipeline.yaml")

---

التالي: الفصل 3: توسيع أعباء عمل التعلم الآلي