Ponte en Contacto
 Duración 28 horas

Temario del curso

Introducción

Visión general de las características y componentes de Kubeflow

  • Contenedores, manifiestos, etc.

Visión general 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

  • Adaptación 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 notebooks de 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