Ponte en Contacto

Temario del curso

Introducción

Resumen de las Funcionalidades 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 métricas del pipeline.

Personalización del Entorno de Ejecución

  • Personalización de la pila tecnológica para diversas infraestructuras.
  • Actualización de una implementación 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 tareas (jobs).
  • Generación de notebooks de Jupyter.

Resolución de Problemas (Troubleshooting)

Resumen y Conclusión

Requerimientos

  • Conocimiento de la sintaxis de Python.
  • Experiencia con Tensorflow, PyTorch u otro framework de aprendizaje automático.
  • Cuenta de un proveedor de nube pública (opcional).

Público Objetivo

  • Desarrolladores.
  • Científicos de datos.
 28 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas