01
Kubeflow初探
什么是Kubeflow · MLOps理念 · 与K8s关系 · 生态全景
概念MLOps
02
环境准备
安装Docker · Minikube · kubectl · 配置集群
环境K8s
03
Kubeflow安装
kfctl部署 · 验证安装 · 访问Dashboard
部署入门
04
核心组件
Dashboard · Pipelines · Katib · KFServing · Notebook
组件架构
05
Pipelines入门
Pipeline概念 · 组件 · 管道定义 · 运行第一个Pipeline
Pipeline基础
06
Pipeline组件开发
自定义组件 · 输入输出 · 容器化 · 复用
开发组件
07
Pipeline SDK详解
dsl.pipeline · dsl.component · 条件分支 · 循环
SDK进阶
08
参数与Artifact
参数传递 · Artifact管理 · 指标输出 · 可视化
Artifact参数
09
Pipeline进阶
嵌套Pipeline · 版本管理 · 调度 · 缓存
高级优化
10
Katib超参数调优
Katib架构 · Experiment · 搜索算法 · 早停策略
Katib调优
11
Katib实战
超参数空间 · 运行实验 · 分析结果 · 最佳实践
实战调优
12
KFServing模型部署
KFServing架构 · InferenceService · 版本管理 · 自动伸缩
部署推理
13
KFServing进阶
自定义预测器 · Transformer · Explainer · 金丝雀发布
高级发布
14
Notebook Server
创建Notebook · JupyterLab · 共享存储 · 多用户隔离
Notebook环境
15
数据管理
MinIO对象存储 · PVC · 数据版本管理 · 预处理Pipeline
存储数据
16
分布式训练
TFJob · PyTorchJob · MPIJob · 分布式策略
分布式训练
17
TFJob实战
定义TFJob · 参数服务器 · AllReduce · 监控训练
TFJob实战
18
PyTorchJob实战
定义PyTorchJob · 弹性训练 · 混合精度 · 日志查看
PyTorch弹性
19
MPIJob实战
MPIJob配置 · Horovod集成 · 多节点训练 · 性能调优
MPIHorovod
20
实验追踪
ML Metadata · Experiment Tracking · 指标可视化 · 模型注册
追踪MLMD
21
模型注册表
Model Registry · 版本管理 · 元数据 · 部署集成
注册表模型
22
CI/CD集成
GitOps · Tekton · ArgoCD · 自动化Pipeline
CI/CDDevOps
23
多租户管理
Profile · RBAC · 资源配额 · 命名空间隔离
多租户权限
24
监控与日志
Prometheus · Grafana · ELK · 告警配置
监控日志
25
存储与网络
存储架构 · 网络策略 · Ingress · TLS证书
网络存储
26
生产环境部署
高可用 · 多集群 · 备份恢复 · 升级策略
生产高可用
27
Kubeflow与云服务
AWS EKS · GCP GKE · Azure AKS · 阿里云ACK
云多云
28
MLOps最佳实践
数据版本控制 · 模型版本控制 · 可复现性 · 模型监控
MLOps实践
29
故障排查
常见错误 · 日志分析 · 调试技巧 · 社区资源
调试排错
30
综合实战
端到端ML工作流 · 从数据到部署 · 项目总结 · 未来展望
实战综合