Ponte en Contacto
 Duración 28 horas

Temario del curso

Introducción

Resumen de las Funciones y Componentes de Kubeflow

  • Contenedores, manifiestos, etc.

Resumen de un Pipeline de Machine Learning

  • 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 Machine Learning 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 del stack para infraestructuras diversas
  • Actualización de un despliegue de Kubeflow

Ejecución de Kubeflow en Nubes Públicas

  • AWS, Microsoft Azure, Google Cloud Platform

Gestión de Flujos de Trabajo de Producción

  • Ejecución con metodología GitOps
  • Programación de trabajos (jobs)
  • Generación de cuadernos Jupyter

Requerimientos

  • Conocimiento de la sintaxis de Python 
  • Experiencia con Tensorflow, PyTorch u otros frameworks de machine learning
  • Cuenta de proveedor de nube pública (opcional) 

Público Objetivo

  • Desarrolladores
  • Científicos de datos

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas