Contacta con nosotros

Temario del curso

Introducción

Resumen de las características y componentes de Kubeflow

  • Contenedores, manifiestos, etc.

Resumen de un pipeline de Aprendizaje Automático

  • Entrenamiento, pruebas, ajuste, implementación, etc.

Implementación 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 los resultados

  • Exportación y visualización de las métricas del pipeline.

Personalización del entorno de ejecución

  • Personalización de la pila para diferentes infraestructuras.
  • 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 utilizando la metodología GitOps.
  • Programación de trabajos.
  • Generación de cuadernos Jupyter.

Resolución de problemas

Resumen y conclusión.

Requerimientos

  • Conocimiento básico de la sintaxis de Python.
  • Experiencia con TensorFlow, PyTorch u otros marcos de aprendizaje automático.
  • Cuenta en un proveedor de nube pública (opcional).

Audiencia

  • Desarrolladores.
  • Científicos de datos.
 28 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas