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 su implementación
- 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 los servidores de inferencia
- Implementación de TensorFlow Serving y TorchServe
- Configuración de puntos finales de modelos
Técnicas de optimización de inferencia
- Estrategias de agrupación (batching)
- Gestión de solicitudes concurrentes
- Ajuste de latencia y rendimiento (throughput)
Escalado automático de cargas de trabajo de ML
- Escala automática horizontal de pods (HPA)
- Escala automática vertical de pods (VPA)
- Escalado automático basado en eventos de Kubernetes (KEDA)
Provisionamiento de GPU y gestión de recursos
- Configuración de nodos GPU
- Visión general del complemento de dispositivos de NVIDIA
- Solicitudes y límites de recursos para cargas de trabajo de ML
Estrategias de lanzamiento y liberación de modelos
- Implementaciones azul/verde (blue/green)
- Patrones de despliegue canario (canary rollout)
- Pruebas A/B para la evaluación de modelos
Monitoreo y observabilidad de ML en producción
- Métricas para cargas de trabajo de inferencia
- Buenas prácticas de registro y trazabilidad
- Tableros de control y alertas
Consideraciones de seguridad y confiabilidad
- Seguridad de los puntos finales de modelos
- Políticas de red y control de acceso
- Asegurar la 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
- Familiaridad con los fundamentos de Kubernetes
Público objetivo
- Ingenieros de ML
- Ingenieros de DevOps
- Equipos de ingeniería de plataforma
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