​​​Kubeflow: Die Machine-Learning-Werkzeugkiste für Kubernetes erreicht Version 1․0
#Containerisierung #DeepLearning #Kubeflow #Kubernetes #MachineLearning

Mit Kubeflow sollen Entwickler künftig einfacher Machine-Learning-Workflows auf der Container-Orchestrierung Kubernetes ausrollen können․

​​​​​Machine Learning: Kubeflow richtig einrichten - ein Tutorial
#Kubeflow #Kubernetes #MachineLearning #Tanzu #VMware

Kubeflow hilft beim Erstellen von Pipelines für Machine-Learning-Projekte․ Die Installation ist jedoch recht aufwendig․

​​​​​heise+ | Kubeflow: Machine-Learning-Workflows orchestrieren
#CloudComputing #DeploymentPipeline #Git #Google #Hyperparametertuning #Jenkins #Kubeflow #KubernetesCluster #MachineLearning #OpenSource #Software #Workflow

Kubeflow steuert Deployment-Pipelines für ML-Software in Kubernetes-Clustern․ Die Workflows sollen einfach, portabel und skalierbar sein․

​​​​​Machine Learning: Charmed Kubeflow 1․7 integriert Knative für Serverless ML
#Canonical #DeepLearning #Knative #Kubeflow #Kubernetes #MLOps #MachineLearning #Ubuntu

Das neue Release von Charmed Kubeflow verspricht einfacheres Training und Optimieren sowie effizienteres Bereitstellen von ML-Modellen in Kubernetes․

​​​​​heise+ | Einstieg in MLOps: KI-Entwicklung mit Kubeflow erklärt
#CloudComputing #Elyra #Kubeflow #KünstlicheIntelligenz #MLOps #MachineLearning

MLOps hat das Ziel, KI-Modelle zuverlässig und skalierbar aus der Entwicklung in die Cloud zu bringen․ Eine beliebte Open-Source-Plattform dafür ist Kubeflow․

​​​​​heise-Angebot: MLOps: Online-Thementag zeigt, wie Modelle in den produktiven Einsatz gelangen
#ContinuousIntegration #Kubeflow #Kubernetes #KünstlicheIntelligenz #MLOps #MachineLearning

Der Thementag am 9․ November behandelt die operativen ML-Themen vom Weg des Modells zum produktiven Einsatz bis zur Aktualisierung im Betrieb․

​​​​​heise+ | Einstieg in MLOps, Teil 2: Mit Kubeflow und Evidently Modellendpunkte erstellen
#Evidently #Kubeflow #KünstlicheIntelligenz #MLModelle #MLOps #MachineLearning #Monitoring

Wurde ein ML-Modell in der Kubeflow-Pipeline trainiert, lässt sich mit KServe ein Endpunkt bereitstellen․Das Monitoring darf man nicht aus den Augen verlieren․

​​​​​heise+ | Einstieg in MLOps, Teil 3: Modelltraining für Fortgeschrittene in Kubeflow
#Containerisierung #Kubeflow #MLOps #MachineLearning

Wir zeigen Ihnen, wie man mit großen Modellen wie ChatGPT, Bard oder LLaMA umgeht und wie Transferlernen, Feintuning und Retraining funktioniert․