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.
Temario del curso
Introducción
Visión general de las funciones y componentes de Kubeflow
- Contenedores, manifiestos, etc.
Visión general de un pipeline de aprendizaje automático
- Entrenamiento, prueba, 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 aprendizaje automático en Kubernetes
- Construcción de un pipeline de TensorFlow.
- Construcción de un pipeline de PyTorch.
Visualización de resultados
- Exportación y visualización de métricas del pipeline
Personalización del entorno de ejecución
- Personalización de la pila 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)
- Creación de notebooks de Jupyter
Solución de problemas
Resumen y conclusión
Requerimientos
- Familiaridad con la sintaxis de Python
- Experiencia con TensorFlow, PyTorch u otro marco de aprendizaje automático
- Cuenta en un proveedor de nube pública (opcional)
Público objetivo
- Desarrolladores
- Científicos de datos
28 Horas