Ponte en Contacto

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas