Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
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