Temario del curso
Introducción
- Introducción a Kubernetes.
- Resumen de características y arquitectura de Kubeflow.
- Kubeflow en AWS frente a on-premise frente a otros proveedores de nube pública.
Configuración de un clúster utilizando AWS EKS.
Configuración de un clúster on-premise utilizando Microk8s.
Despliegue de Kubernetes utilizando un enfoque GitOps.
Enfoques de almacenamiento de datos.
Creación de un pipeline de Kubeflow.
Activación de un pipeline.
Definición de artefactos de salida.
Almacenamiento de metadatos para conjuntos de datos y modelos.
Ajuste de hiperparámetros con TensorFlow.
Visualización y análisis de los resultados.
Entrenamiento con múltiples GPUs.
Creación de un servidor de inferencia para desplegar modelos de ML.
Uso de JupyterHub.
Redes y balanceo de carga.
Escalado automático de un clúster de Kubernetes.
Resolución de problemas.
Resumen y conclusiones.
Requerimientos
- Conocimientos de la sintaxis de Python.
- Experiencia con Tensorflow, PyTorch u otros frameworks de machine learning.
- Una cuenta de AWS con los recursos necesarios.
Audiencia objetivo
- Desarrolladores.
- Científicos de datos.
Testimonios (1)
Disfruté participando en el entrenamiento de Kubeflow, que se llevó a cabo de manera remota. Este entrenamiento me permitió consolidar mi conocimiento sobre los servicios de AWS, K8s y todas las herramientas de DevOps relacionadas con Kubeflow, que son las bases necesarias para abordar el tema adecuadamente. Quiero agradecer a Malawski Marcin por su paciencia y profesionalismo en la formación y los consejos sobre mejores prácticas. Malawski aborda el tema desde diferentes ángulos, utilizando diferentes herramientas de despliegue como Ansible, EKS kubectl y Terraform. Ahora estoy definitivamente convencido de que me dirijo hacia el campo de aplicación correcto.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curso - Kubeflow
Traducción Automática
