Tutorial de MLOps para Todos

<p>- Um guia para quem quer estudar MLOps, mas não sabe por onde começar<br /> - Documento open source (MIT) com participação aberta a qualquer pessoa<br /> <br /> Introduction<br /> 1. What is MLOps?<br /> 2. Components of MLOps<br /> 3. Why Kubernetes?<br /> <br /> Setup Kubernetes <br /> 1. Introduction<br /> 2. Setup Kubernetes<br /> 3. Install Prerequisite<br /> 4.1. Install Kubernetes - K3s<br /> 4.2. Install Kubernetes - Minikube<br /> 4.3. Install Kubernetes - Kubeadm<br /> 5. Install Kubernetes Modules<br /> 6. (Optional) Setup GPU<br /> <br /> Setup Components<br /> 1. Kubeflow<br /> 2. MLflow Tracking Server<br /> 3. Seldon-Core<br /> 4. Prometheus &amp; Grafana<br /> <br /> Guia da UI do Kubeflow <br /> 1. Central Dashboard<br /> 2. Notebooks<br /> 3. Tensorboards<br /> 4. Volumes<br /> 5. Experiments(AutoML)<br /> 6. Relacionado ao Kubeflow Pipeline<br /> <br /> Kubeflow <br /> 1. Introdução ao Kubeflow<br /> 2. Conceitos do Kubeflow<br /> 3. Requisitos de instalação<br /> 4. Componente - Escrita<br /> 5. Pipeline - Escrita<br /> 6. Pipeline - Upload<br /> 7. Pipeline - Execução<br /> 8. Componente - InputPath/OutputPath<br /> 9. Componente - Ambiente<br /> 10. Pipeline - Configuração<br /> 11. Pipeline - Resultado da execução<br /> 12. Componente - MLFlow<br /> 13. Componente - Depuração<br /> <br /> Implantação de API<br /> 1. O que é implantação de API?<br /> 2. Implantar SeldonDeployment<br /> 3. Monitoramento do Seldon<br /> 4. Campos do Seldon<br /> 5. Modelo a partir do MLflow<br /> 6. Múltiplos modelos<br /> <br /> - Itens que não foram abordados<br /> - Instalação de ambiente virtual Python </p>