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
Vista general de las características y componentes de Kubeflow
- Contenedores, manifiestos, etc.
Vista general de un pipeline de aprendizaje automático
- 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 aprendizaje automático 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 (stack) para infraestructuras diversas.
- Actualización de una implementación de Kubeflow.
Ejecución de Kubeflow en nubes públicas
- AWS, Microsoft Azure, Google Cloud Platform.
Gestión de flujos de trabajo de producción
- Ejecución con la metodología GitOps.
- Programación de trabajos (jobs).
- Creación de cuadernos de Jupyter.
Solución de problemas
Resumen y conclusión
Requerimientos
- Conocimiento de la sintaxis de Python.
- Experiencia con TensorFlow, PyTorch u otros marcos de trabajo de aprendizaje automático.
- Cuenta de proveedor de nube pública (opcional).
Audiencia
- Desarrolladores.
- Científicos de datos.
28 Horas