Hướng dẫn MLOps cho mọi người (tiếng Hàn)

<p>- Tài liệu hướng dẫn dành cho những ai muốn học MLOps nhưng chưa biết bắt đầu từ đâu<br /> - Là tài liệu mã nguồn mở (MIT) nên ai cũng có thể tham gia<br /> <br /> Giới thiệu<br /> 1. MLOps là gì?<br /> 2. Các thành phần của MLOps<br /> 3. Vì sao là Kubernetes?<br /> <br /> Thiết lập Kubernetes <br /> 1. Giới thiệu<br /> 2. Thiết lập Kubernetes<br /> 3. Cài đặt các thành phần cần thiết<br /> 4.1. Cài đặt Kubernetes - K3s<br /> 4.2. Cài đặt Kubernetes - Minikube<br /> 4.3. Cài đặt Kubernetes - Kubeadm<br /> 5. Cài đặt các module Kubernetes<br /> 6. (Tùy chọn) Thiết lập GPU<br /> <br /> Thiết lập các thành phần<br /> 1. Kubeflow<br /> 2. MLflow Tracking Server<br /> 3. Seldon-Core<br /> 4. Prometheus &amp; Grafana<br /> <br /> Hướng dẫn UI Kubeflow <br /> 1. Central Dashboard<br /> 2. Notebooks<br /> 3. Tensorboards<br /> 4. Volumes<br /> 5. Experiments(AutoML)<br /> 6. Liên quan đến Kubeflow Pipeline<br /> <br /> Kubeflow <br /> 1. Giới thiệu về Kubeflow<br /> 2. Các khái niệm của Kubeflow<br /> 3. Cài đặt yêu cầu<br /> 4. Component - Viết<br /> 5. Pipeline - Viết<br /> 6. Pipeline - Tải lên<br /> 7. Pipeline - Chạy<br /> 8. Component - InputPath/OutputPath<br /> 9. Component - Environment<br /> 10. Pipeline - Thiết lập<br /> 11. Kết quả chạy Pipeline<br /> 12. Component - MLFlow<br /> 13. Component - Gỡ lỗi<br /> <br /> Triển khai API<br /> 1. Triển khai API là gì?<br /> 2. Triển khai SeldonDeployment<br /> 3. Giám sát Seldon<br /> 4. Các trường của Seldon<br /> 5. Model từ MLflow<br /> 6. Nhiều model<br /> <br /> - Những nội dung chưa đề cập<br /> - Cài đặt môi trường ảo Python </p>