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 modelo
Técnicas de optimización de inferencia
- Estrategias de lotificación (batching)
- Gestión de solicitudes concurrentes
- Ajuste de latencia y ancho de banda
Autoescalado de cargas de trabajo de ML
- Horizontal Pod Autoscaler (HPA)
- Vertical Pod Autoscaler (VPA)
- Kubernetes Event-Driven Autoscaling (KEDA)
Provisión de GPUs y gestión de recursos
- Configuración de nodos GPU
- Visión general del complemento de dispositivos NVIDIA
- Solicitudes y límites de recursos para cargas de trabajo de ML
Estrategias de despliegue y liberación de modelos
- Despliegues azul/verde
- Patrones de despliegue canary
- Pruebas A/B para la evaluación de modelos
Monitoreo y observabilidad de ML en producción
- Métricas para cargas de trabajo de inferencia
- Prácticas de registro y trazabilidad
- Tableros de control y alertas
Consideraciones de seguridad y confiabilidad
- Seguridad de los puntos finales de modelo
- Políticas de red y control de acceso
- Garantía de 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
- Conocimiento de 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