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 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