Aller au contenu principal

Module 7 : Kubernetes pour le ML

🎯 Objectifs d'apprentissage​

  • Comprendre les fondamentaux de Kubernetes (Pods, Déploiements, Services)
  • Déployer des charges de travail ML avec Kubeflow
  • Mettre à l'échelle des applications ML avec l'autoscaling et la planification GPU

📚 Contenu du module​

Chapitre 1 : Notions de base sur Kubernetes​

Pods, déploiements, services, configmaps, secrets, gestion des ressources.

Chapitre 2 : Kubeflow​

Composants de Kubeflow, pipelines, Katib pour l'optimisation des hyperparamètres, KFServing.

Chapitre 3 : Mise à l'échelle des charges de travail ML​

Autoscaling horizontal des pods, planification GPU, pools de nœuds, nœuds spot/préemptibles.

🚀 Commençons !​

Commencez par Chapitre 1 : Notions de base sur Kubernetes.