Formation MLOps | Déploiement et monitoring d’un modèle de machine learning sur Kubernetes avec amazon EKS
Objectifs Public Data Scientist /ML Ingénieur. Prérequis Méthodes pédagogiques 40 % théorie / 60 % pratique…
Parcourir l’écosystème autour de Kubernetes
Découvrir Kubernetes, ses principales commandes et leur usage
Découvrir les différents composants de l’architecture de Kubernetes
Installer et manipuler Kubernetes et ses différents composants
Déployer son application dans des ressources Kubernetes depuis la ligne de commande kubectl
Déployer son application dans des ressources Kubernetes depuis des fichiers descriptifs YAML
Architectes, lead developers, développeurs, ingénieurs de production, administrateurs
Connaissance des systèmes Unix (scripting, Shell, protocole SSH, CLI) et connaissance de base des images Docker
50 % théorie / 50 % pratique
L’orchestration des containers est une révolution dans la manière de packager, de déployer et d’assurer le run de ses applications et middlewares.
Comblant les manques de Docker, étendant ses capacités d’orchestration bien au-delà des containers, s’appuyant sur l’expérience de Google à opérer des charges applicatives versatiles et agiles, Kubernetes est le nouveau champion incontournable des projets IT modernes, dans les étapes de build, ship, run and scale.
Avec la formation Kubernetes | Les bases indispensables, démystifier son apparente complexité, découvrir la richesse de son écosystème et finalement manipuler l’outil dans un cas pratique de déploiement applicatif.
Introduction à kubernetes
Les fichiers descriptifs
Architecture Kubernetes
Exploiter Kubernetes
Gestion avancée de conteneurs
Kubernetes en production
Déploiement d’un cluster Kubernetes
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de quizz, mises en situation, travaux pratiques…
En fin de formation, il est également demandé aux participants de mesurer leur satisfaction vis-à-vis de de la formation suivie.
Néosoft Training dispose d’un processus qualité qui prend en considération les éventuels dysfonctionnements rencontrés par les participants afin d’être proactif quant à la solution corrective adaptée tant sur le contenu de la formation elle-même que les conditions de son déroulement.