Ponte en Contacto

Temario del curso

Introducción

Resumen de las características y componentes de Kubeflow

  • Contenedores, manifiestos, etc.

Resumen de un pipeline de Machine Learning

  • Entrenamiento, prueba, ajuste, implementación, etc.

Implementación 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

  • Creación de un pipeline de TensorFlow.
  • Creación 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 una implementación de Kubeflow

Ejecución de Kubeflow en nubes públicas

  • AWS, Microsoft Azure, Google Cloud Platform

Administración de flujos de trabajo de producción

  • Ejecución con metodología GitOps
  • Programación de trabajos
  • Generación de cuadernos de Jupyter

Resolución de problemas

Resumen y conclusión

Requerimientos

  • Familiaridad con la sintaxis de Python
  • Experiencia con TensorFlow, PyTorch u otro marco de machine learning
  • Cuenta de proveedor de nube pública (opcional)

Público Objetivo

  • Desarrolladores
  • Científicos de datos
 28 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas