[Udemy] Python в контейнерах [Kris Celmer]
Внимание, участники складчины!
Оплата взноса складчины будет приниматься только балансом.
Python в контейнерах
Все о контейнерах, Docker и Kubernetes для инженеров Python
Язык: Английский + субтитры
Чему вы научитесь
Docker и Kubernetes - необходимые навыки для Python Enginner в эти дни.
Если вы занимаетесь машинным обучением и наукой о данных или используете Python в качестве общего языка программирования, вы должны понимать Docker & Kubernetes. Оба составляют основу современных облачных собственных приложений, построенных на архитектуре микросервисов.
В этом курсе вы научитесь:
Курс полон практических упражнений. Существует более 40 репозиториев GitHub, заполненных примерами кода для курса.
Вы можете использовать Курс двумя способами:
Если вы используете Python для машинного обучения и науки о данных, перейдите сверху вниз: начните с Раздела 7, чтобы быстро получить практические навыки докера, и используйте Разделы 2–6, чтобы глубже изучить конкретные темы контейнеров.
Если вы хотите использовать Python для веб-приложений и микросервисов, попробуйте Bottom-Up: используйте курс линейно.
Начните строить контейнеры сегодня!
Для кого этот курс:
Внимание, участники складчины!
Оплата взноса складчины будет приниматься только балансом.
Python в контейнерах
Все о контейнерах, Docker и Kubernetes для инженеров Python
Язык: Английский + субтитры
Чему вы научитесь
- Создание образа контейнера с приложением Python
- Отправляйте изображения контейнеров в Docker Hub и другие реестры изображений контейнеров
- Запустите Jupyter Notebooks в Docker
- Используйте Docker Desktop для Windows Pro и MacOS
- Используйте Docker Toolbox для Windows Home
- Используйте Docker Machine для создания виртуальных машин с помощью Docker Software
- Мастер Dockerfile для автоматизации сборки контейнеров
- Создание пользовательских изображений контейнеров с нуля
- Используйте официальные изображения Python
- Разработка Multi-контейнерных развертываний Flask и Django
- Автоматизируйте развертывание нескольких контейнеров с помощью Docker Compose
- Контейнерные модели TensorFlow в микросервисы
- Развертывание сложных многоконтейнерных приложений в Docker Swarm
- Развернуть комплексное, многоконтейнерное приложение в Куберне
- Используйте Kubernetes с Minikube на хосте разработки
- Используйте Kubernetes в публичном облаке (на примере Google Kubernetes Engine)
- Объекты Kubernetes: блоки, контроллеры блоков: набор реплик, развертывание, задание, CronJob, сервисы, вход, постоянные тома
- Написание файлов шаблонов объектов Kubernetes
- Мониторинг и управление приложениями в Kubernetes
- Выполнять контейнеры с ускорением графического процессора NVIDIA
Docker и Kubernetes - необходимые навыки для Python Enginner в эти дни.
Если вы занимаетесь машинным обучением и наукой о данных или используете Python в качестве общего языка программирования, вы должны понимать Docker & Kubernetes. Оба составляют основу современных облачных собственных приложений, построенных на архитектуре микросервисов.
В этом курсе вы научитесь:
- Разрабатывайте и изучайте ноутбуки Jupyter для машинного обучения и науки о данных в Docker
- Запустите модели машинного обучения в производстве с Kubernetes и Docker Swarm
- упакуйте свой код Python в контейнеры
- опубликуйте свои контейнеры в реестрах изображений
- развернуть контейнеры в производство
- создавать высокомодульные контейнерные сервисы в стиле микро-сервисов
- мониторинг и поддержка контейнерных приложений
Курс полон практических упражнений. Существует более 40 репозиториев GitHub, заполненных примерами кода для курса.
Вы можете использовать Курс двумя способами:
Если вы используете Python для машинного обучения и науки о данных, перейдите сверху вниз: начните с Раздела 7, чтобы быстро получить практические навыки докера, и используйте Разделы 2–6, чтобы глубже изучить конкретные темы контейнеров.
Если вы хотите использовать Python для веб-приложений и микросервисов, попробуйте Bottom-Up: используйте курс линейно.
Начните строить контейнеры сегодня!
Для кого этот курс:
- Программисты на Python
- Ученые данных
- Инженеры машинного обучения