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 14 horas
Temario del curso
Preparación de modelos de aprendizaje automático para la implementación
- Empaquetado de modelos con Docker
- Exportación de modelos desde TensorFlow y PyTorch
- Consideraciones sobre versionado y almacenamiento
Servicio de modelos en Kubernetes
- Resumen de servidores de inferencia
- Implementación de TensorFlow Serving y TorchServe
- Configuración de puntos finales de modelos
Técnicas de optimización de inferencia
- Estrategias de agrupación (batching)
- Gestión de solicitudes concurrentes
- Ajuste de latencia y rendimiento (throughput)
Escalar automáticamente cargas de trabajo de ML
- Horizontal Pod Autoscaler (HPA)
- Vertical Pod Autoscaler (VPA)
- Kubernetes Event-Driven Autoscaling (KEDA)
Provisionamiento de GPU y gestión de recursos
- Configuración de nodos GPU
- Resumen del plugin de dispositivos NVIDIA
- Solicitudes y límites de recursos para cargas de trabajo de ML
Estrategias de despliegue y lanzamiento de modelos
- Despliegues blue/green
- Patrones de despliegue canario
- Pruebas A/B para la evaluación de modelos
Monitoreo y observabilidad de ML en producción
- Métricas para cargas de trabajo de inferencia
- Prácticas de registro y trazabilidad
- Paneles de control y alertas
Consideraciones de seguridad y confiabilidad
- Seguridad de los puntos finales de modelos
- Políticas de red y control de acceso
- Asegurar la alta disponibilidad
Resumen y próximos pasos
Requerimientos
- Comprensión de los flujos de trabajo de aplicaciones containerizadas
- Experiencia con modelos de aprendizaje automático basados en Python
- Conocimiento de los fundamentos de Kubernetes
Audiencia
- Ingenieros de ML
- Ingenieros de DevOps
- Equipos de ingeniería de plataformas
Reseñas (1)
Me ha gustado la parte de Kubernetes del entrenamiento, ya que tenía algunas tareas relacionadas con pods y puertos de K8s, y ahora he conseguido una comprensión mucho más clara. ¡Gracias!
Laura Miron - Betfair
Curso - Docker and Kubernetes
Traducción Automática