Ponte en Contacto
 Duración 28 horas

Temario del curso

Introducción

Resumen de las características y componentes de Kubeflow

  • Contenedores, manifiestos, etc.

Resumen de un pipeline de Machine Learning

  • Entrenamiento, pruebas, ajuste, despliegue, etc.

Despliegue de Kubeflow en un clúster de Kubernetes

  • Preparación del entorno de ejecución (clúster de entrenamiento, clúster de producción, etc.)
  • Descarga, instalación y personalización.

Ejecución de un pipeline de Machine Learning en Kubernetes

  • Construcción de un pipeline de TensorFlow.
  • Construcción de un pipeline de PyTorch.

Visualización de los resultados

  • Exportación y visualización de métricas del pipeline

Personalización del entorno de ejecución

  • Personalización de la pila para infraestructuras diversas
  • Actualización de un despliegue de Kubeflow

Ejecución de Kubeflow en nubes públicas

  • AWS, Microsoft Azure, Google Cloud Platform

Gestión de flujos de trabajo de producción

  • Ejecución con metodología GitOps
  • Programación de trabajos (jobs)
  • Creación de notebooks de Jupyter

Requerimientos

  • Conocimiento de la sintaxis de Python.
  • Experiencia con Tensorflow, PyTorch u otro marco de trabajo de machine learning.
  • Cuenta en un proveedor de nube pública (opcional).

Público objetivo

  • Desarrolladores.
  • Científicos de datos.

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas