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
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