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
Visión general de las características y componentes de Kubeflow
- Contenedores, manifiestos, etc.
Visión general 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
- Adaptación 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 en producción
- Ejecución bajo la metodología GitOps
- Programación de trabajos
- Creación de notebooks de Jupyter
Resolución de problemas
Resumen y conclusiones
Requerimientos
- Conocimiento de la sintaxis de Python
- Experiencia con TensorFlow, PyTorch u otros frameworks de aprendizaje automático
- Cuenta con un proveedor de nube pública (opcional)
Público objetivo
- Desarrolladores
- Científicos de datos
28 Horas