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.
Duración 14 horas
Temario del curso
Preparación de modelos de aprendizaje automático para el despliegue
- Empaquetado de modelos con Docker
- Exportación de modelos desde TensorFlow y PyTorch
- Consideraciones sobre versionado y almacenamiento
Servicio de modelos en Kubernetes
- Visión general de servidores de inferencia
- Despliegue de TensorFlow Serving y TorchServe
- Configuración de puntos de conexión de modelos
Técnicas de optimización de inferencia
- Estrategias de agrupamiento (batching)
- Gestión de solicitudes concurrentes
- Ajuste de latencia y rendimiento
Autoescalado de cargas de trabajo de ML
- Horizontal Pod Autoscaler (HPA)
- Vertical Pod Autoscaler (VPA)
- Kubernetes Event-Driven Autoscaling (KEDA)
Provisión de GPU y gestión de recursos
- Configuración de nodos con GPU
- Visión general del complemento de dispositivo NVIDIA
- Solicitudes y límites de recursos para cargas de trabajo de ML
Estrategias de lanzamiento y publicación de modelos
- Despliegues azul/verde
- Patrones de despliegue canary
- Pruebas A/B para la evaluación de modelos
Monitoreo y observabilidad de ML en producción
- Métricas para cargas de trabajo de inferencia
- Prácticas de registro de eventos y seguimiento
- Tableros y alertas
Consideraciones de seguridad y confiabilidad
- Seguridad de puntos de conexión de modelos
- Políticas de red y control de acceso
- Aseguramiento de alta disponibilidad
Resumen y próximos pasos
Requerimientos
- Comprensión de los flujos de trabajo de aplicaciones contenerizadas
- Experiencia con modelos de aprendizaje automático basados en Python
- Conocimiento de los fundamentos de Kubernetes
Audiencia
- Ingenieros de ML
- Ingenieros de DevOps
- Equipos de ingeniería de plataformas
Reseñas (1)
Me ha gustado la parte de Kubernetes del entrenamiento, ya que tenía algunas tareas relacionadas con pods y puertos de K8s, y ahora he conseguido una comprensión mucho más clara. ¡Gracias!
Laura Miron - Betfair
Curso - Docker and Kubernetes
Traducción Automática