Contacta con nosotros

Temario del curso

Introducción a Kubeflow

  • Comprensión de la misión y arquitectura de Kubeflow
  • Resumen de componentes principales y ecosistema
  • Opciones de despliegue y capacidades de la plataforma

Trabajo con el Panel de Control de Kubeflow

  • Navegación por la interfaz de usuario
  • Gestión de cuadernos y espacios de trabajo
  • Integración de almacenamiento y fuentes de datos

Fundamentos de Kubeflow Pipelines

  • Estructura del pipeline y diseño de componentes
  • Elaboración de pipelines con el SDK de Python
  • Ejecución, programación y monitoreo de corridas del pipeline

Entrenamiento de Modelos de ML en Kubeflow

  • Patrones de entrenamiento distribuido
  • Uso de TFJob, PyTorchJob y otros operadores
  • Gestión de recursos y escalado automático en Kubernetes

Servicio de Modelos con Kubeflow

  • Resumen de KFServing / KServe
  • Despliegue de modelos con tiempos de ejecución personalizados
  • Gestión de revisiones, escalado y enrutamiento de tráfico

Gestión de Flujos de Trabajo de ML en Kubernetes

  • Versionado de datos, modelos y artefactos
  • Integración de CI/CD para pipelines de ML
  • Seguridad y control de acceso basado en roles

Mejores Prácticas para ML en Producción

  • Diseño de patrones de flujos de trabajo confiables
  • Visibilidad y monitoreo
  • Solución de problemas comunes en Kubeflow

Temas Avanzados (Opcional)

  • Entornos multiinquilino de Kubeflow
  • Escenarios de despliegue híbridos y multicluster
  • Extensión de Kubeflow con componentes personalizados

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de aplicaciones en contenedores
  • Experiencia con flujos de trabajo básicos de línea de comandos
  • Familiaridad con conceptos de Kubernetes

Público Objetivo

  • Profesionales de ML
  • Científicos de datos
  • Equipos de DevOps nuevos en Kubeflow
 14 Horas

Número de participantes


Precio por participante

Testimonios (3)

Próximos cursos

Categorías Relacionadas