Ponte en Contacto
 Duración 28 horas

Temario del curso

Introducción

Vista General de las Funciones y Componentes de Kubeflow

  • Contenedores, manifiestos, etc.

Vista General de un Flujo de Trabajo de Machine Learning

  • Entrenamiento, pruebas, ajuste, despliegue, etc.

Desplegando Kubeflow en un Clúster de Kubernetes

  • Preparación del entorno de ejecución (clúster de entrenamiento, clúster de producción, etc.)
  • Descarga, instalación y personalización.

Ejecutando un Flujo de Trabajo de Machine Learning en Kubernetes

  • Construcción de un flujo de trabajo de TensorFlow.
  • Construcción de un flujo de trabajo de PyTorch.

Visualización de los Resultados

  • Exportación y visualización de métricas del flujo de trabajo

Personalización del Entorno de Ejecución

  • Personalización del stack para infraestructuras diversas
  • Actualización de un despliegue de Kubeflow

Ejecutando Kubeflow en Nubes Públicas

  • AWS, Microsoft Azure, Google Cloud Platform

Gestión de Flujos de Trabajo de Producción

  • Ejecución con metodología GitOps
  • Programación de trabajos
  • Generación de notebooks de Jupyter

Requerimientos

  • Conocimiento de la sintaxis de Python
  • Experiencia con TensorFlow, PyTorch u otro marco de machine learning
  • Cuenta de proveedor de nube pública (opcional)

Público Objetivo

  • Desarrolladores
  • Científicos de datos

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas