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.
Duración 28 horas
Temario del curso
Introducción
Resumen de funciones y componentes de Kubeflow
- Contenedores, manifiestos, etc.
Resumen de un pipeline de Machine Learning
- Entrenamiento, pruebas, ajuste, despliegue, etc.
Despliegue 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 Machine Learning 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 para infraestructuras diversas.
- 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 con metodología GitOps.
- Programación de trabajos.
- Generación de notebooks de Jupyter.
Requerimientos
- Conocimiento de la sintaxis de Python.
- Experiencia con TensorFlow, PyTorch u otro framework de machine learning.
- Cuenta de proveedor de nube pública (opcional).
Audiencia
- Desarrolladores
- Científicos de datos