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 a Kubeflow
- Comprensión de la misión y arquitectura de Kubeflow.
- Descripción general de los componentes principales y del 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 de las pipelines y diseño de componentes.
- Creación de pipelines con el SDK de Python.
- Ejecución, programación y monitorización de ejecuciones de pipelines.
Entrenamiento de modelos ML en Kubeflow
- Patrones de entrenamiento distribuido.
- Uso de TFJob, PyTorchJob y otros operadores.
- Gestión de recursos y autoescalado en Kubernetes.
Despliegue de modelos con Kubeflow
- Descripción general de KFServing / KServe.
- Despliegue de modelos con entornos de ejecución personalizados (custom runtimes).
- Gestión de revisiones, escalado y enrutamiento de tráfico.
Gestión de flujos de trabajo 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 (RBAC).
Mejores prácticas para ML en producción
- Diseño de patrones de flujo de trabajo fiables.
- Observabilidad y monitorización.
- Resolución de problemas comunes en Kubeflow.
Temas avanzados (opcional)
- Entornos multiinquilino en Kubeflow.
- Escenarios de despliegue híbrido y multi-cluster.
- Extensión de Kubeflow con componentes personalizados.
Resumen y siguientes pasos
Requerimientos
- Comprensión básica de aplicaciones contenerizadas.
- Experiencia con flujos de trabajo básicos en línea de comandos.
- Familiaridad con los conceptos de Kubernetes.
Público objetivo
- Profesionales de ML (Machine Learning).
- Científicos de datos.
- Equipos DevOps que se inician con Kubeflow.
14 Horas
Testimonios (3)
About the microservices and how to maintenance kubernetes
Yufri Isnaini Rochmat Maulana - Bank Indonesia
Curso - Advanced Platform Engineering: Scaling with Microservices and Kubernetes
Cómo los formadores transmiten el conocimiento de manera efectiva
Vu Thoai Le - Reply Polska sp. z o. o.
Curso - Certified Kubernetes Administrator (CKA) - exam preparation
Traducción Automática
El conocimiento y los intercambios con Augustin
Laurent - L'Office national des vacances annuelles (ONVA)
Curso - Docker and Kubernetes
Traducción Automática
