Extending Kubernetes 101

Based on its clean core API you can extend Kubernetes to a high degree, making it work optimally for your workloads and workflows.

In this talk we will have a look at the Kubernetes configuration and extension points, from plugins to custom resources/operators to custom API servers. We will discuss use cases, benefits, and imitations of each extension point and you’ll see some of the low-hanging fruits in action.

Vorkenntnisse

* Basic familiarity with Kubernetes is useful but not required.

Lernziele

* Raising awareness about how to customize Kubernetes and providing people with the relevant starting
points.

 

Agenda

ab 8.30 Uhr Registrierung und Begrüßungskaffee

9.30 Uhr Beginn

Intro

Machine Learning

  • Was ist Machine Learning?
  • Der typische ML Workflow
  • Was sind neuronale Netze?
  • Jupyter Lab mit Python
  • Eine Einführung in TensorFlow
  • Keras als High-Level API für TensorFlow

Praxisteil: Deep Learning Modelle mit Keras

  • Datengeneratoren
  • Datasets explorativ analysieren
  • Hold-Out vs. Cross Validation

11.00 - 11.15 Uhr: Kaffeepause

Praxisteil: Deep Learning Modelle mit Keras

  • Feed-Forward Netzarchitektur
  • Convolutional Neural Networks als Deep Learning Ansatz
  • Evaluation und Visualisierung des Modells

12.30 - 13.30 Uhr: Mittagspause

Pipelines mit Luigi

  • Anforderungen an produktive Modelle
  • Übersicht über Luigi und dessen Module
  • Bau eines Beispiel-Workflows

Praxisteil: Den Keras-Workflow mit Luigi implementieren

  • Anforderungen an produktive Modelle
  • Übersicht über Luigi und dessen Module
  • Bau eines Beispiel-Workflows

15.30 - 15.45 Uhr: Kaffeepause

Praxisteil: TensorFlow-Serving

  • Übersicht über TensorFlow-Serving
  • Ladestrategien konfigurieren
  • Deployment des Modells

ca. 17.00 Uhr: Ende

 

Referent

 

Michael Hausenblas Michael Hausenblas is a developer advocate for Go, Kubernetes, and OpenShift at Red Hat, where he helps appops to build and operate distributed services. His background is in large-scale data processing and container orchestration and he’s experienced in advocacy and standardization (W3C and IETF). Michael contributes to open source software such as OpenShift and Kubernetes and shares his experience with distributed systems and large-scale data processing through code, blog posts and public speaking engagements.

Platin-Sponsor

Gold-Sponsor

Silber-Sponsoren


CLC-Newsletter

Sie möchten über die Continuous Lifecycle
auf dem Laufenden gehalten werden?

 

Anmelden