需要三步。

第一步: 观看机器之心联合 AWS 开设的线上公开课第 3 讲:利用 SageMaker Operator 简化 Kubernetes 上的机器学习任务管理。
第二步: 通过机器之心专属链接获取 SageMaker 1000 元服务抵扣券,直充你的个人账户。
第三步: 上手试试。问:简化 Kubernetes 上的机器学习任务管理,需要几步?Amazon SageMaker Operator 可以帮助数据科学家以及开发人员利用 Kubernetes 的接口来创建和管理 SageMaker 的任务,如机器学习的模型训练、超参优化、批量转换以及实时推理等。如图所示,SageMaker Operator 可以让 开发与运维人员可以通过 kubectl 命令行或者 kubernetes api 接口调用的方式来管理和使用 SageMaker 服务,它就像翻译器一样,在 Kubernetes 平台与 AWS SageMaker 服务之间搭建了一座桥梁,让那些已经很很熟悉 Kubenretes 的开发、运维人员在无需投入过多精力的情况下,即可快速地使用 SageMaker 服务。

问:简化 Kubernetes 上的机器学习任务管理,需要几步?

SageMaker Operator 可以让那些已经很了解 Kubernetes 平台的开发人员以非常熟悉和友好的方式来使用 SageMaker 服务,它非常适用于以下一些场景。

1、项目团队已经非常熟悉了 Kubernetes 平台的接口和标准,由于项目需求,希望引进机器学习部分。由于人员数量有限,团队不希望再去单独维护一套机器学习平台,而是在充分利用已有的能力的基础上,适当引进第三方的工具和服务,快速地进行业务创新,降低学习和使用的成本,大幅度提升效率。

2、项目团队已在 Kubernetes 平台的基础上很好的实现了 Devops,很多的业务模块都已经做到了持续集成与持续发布。机器学习部分只是整个业务系统中的一个模块,团队希望能够能将机器学习模块与其它业务模块统一进行工程化的管理,最终实现业务流程的全自动化。

为了帮助大家快手上手,我们邀请到 AWS 解决方案架构师尹振宇带来分享,具体聊聊如何利用 SageMaker Operator 简化 Kubernetes 上的机器学习任务管理。

问:简化 Kubernetes 上的机器学习任务管理,需要几步?
课程主题: 利用 SageMaker Operator 简化 Kubernetes 上的机器学习任务管理

课程时间: 6 月 2 日(周二) 20:00
课程主讲: 尹振宇,AWS 解决方案架构师
讲师简介: AWS 解决方案架构师,负责基于 AWS 云平台的解决方案咨询和设计,尤其在无服务器领域和微服务领域有着丰富的实践经验。
直播间地址:http://suo.im/5E1DD6 (点阅读原文或识别上方海报二维码直达)
1000 元服务抵扣券获取链接:http://s.v-event.cn/u8.asp
下面还有一个大神出没的微信群:

问:简化 Kubernetes 上的机器学习任务管理,需要几步?

关于本系列课程

问:简化 Kubernetes 上的机器学习任务管理,需要几步?
Amazon SageMaker 是一套强大的完全托管服务,可以帮助开发者和数据科学家快速构建、训练和部署机器学习 (ML) 模型。这款工具可以大幅度消除机器学习过程中的繁重工作,让开发高质量模型变得更加轻松。
为了帮助开发者快速上手 Amazon SageMaker,机器之心联合 AWS 开设 《快速上手 Amazon SageMaker,轻松玩转机器学习》 线上公开课, 3 周时间,6 次课程 ,通过讲解如何使用 SageMaker 完成构建生成对抗网络、运行中文命名实体识别、简化 Kubernetes 上的机器学习任务管理等任务,帮助开发者熟悉 Amazon SageMaker 各项组件的使用方法,轻松玩转机器学习。具体安排可以点这里。

时不我待,赶快加入, 点击 阅读原文 ,直达直播间。

来源链接:mp.weixin.qq.com