Programa del Curso
Introducción
- Introducción a Kubernetes
- Descripción general de Kubeflow Características y arquitectura
- Kubeflow en AWS frente a on-premise frente a otros proveedores de nube pública
Configuración de un clúster con AWS EKS
Configuración de un clúster local con Microk8s
Implementación Kubernetes mediante un enfoque de GitOps
Enfoques de almacenamiento de datos
Creación de una canalización Kubeflow
Desencadenar una canalización
Definición de artefactos de salida
Almacenamiento de metadatos para conjuntos de datos y modelos
Ajuste de hiperparámetros con TensorFlow
Visualización y análisis de los resultados
Entrenamiento Multi-GPU
Creación de un servidor de inferencia para implementar modelos de ML
Trabajar con JupyterHub
Networking y equilibrio de carga
Escalado automático de un clúster Kubernetes
Solución de problemas
Resumen y conclusión
Requerimientos
- Familiaridad con la sintaxis Python
- Experiencia con Tensorflow, PyTorch u otro marco de aprendizaje automático
- Una cuenta de AWS con los recursos necesarios
Audiencia
- Desarrolladores
- Científicos de datos
Testimonios (1)
Disfruté participar en el entrenamiento Kubeflow, que se llevó a cabo de forma remota. Este entrenamiento me permitió consolidar mis conocimientos sobre los servicios de AWS, K8s y todas las herramientas DevOps relacionadas con Kubeflow, que son las bases necesarias para abordar adecuadamente el tema. Quiero agradecer a Malawski Marcin por su paciencia y profesionalismo en la formación y en la orientación sobre las mejores prácticas. Malawski aborda el tema desde diferentes ángulos, utilizando distintas herramientas de implementación Ansible, EKS kubectl, Terraform. Ahora estoy definitivamente convencido de que me dirijo al campo de aplicación correcto.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curso - Kubeflow
Traducción Automática