Contacta con nosotros

Temario del curso

Introducción a Kubeflow

  • Comprender la misión y arquitectura de Kubeflow
  • Componentes principales y visión general del ecosistema
  • Opciones de despliegue y capacidades de la plataforma

Trabajo con el Panel de Control de Kubeflow

  • Navegación por la interfaz de usuario
  • Gestión de cuadernos y espacios de trabajo
  • Integración de almacenamiento y fuentes de datos

Fundamentos de Kubeflow Pipelines

  • Estructura del flujo de trabajo y diseño de componentes
  • Autoría de flujos de trabajo con el SDK de Python
  • Ejecución, programación y monitoreo de ejecuciones de flujos de trabajo

Entrenamiento de Modelos de ML en Kubeflow

  • Patrones de entrenamiento distribuido
  • Uso de TFJob, PyTorchJob y otros operadores
  • Gestión de recursos y escalado automático en Kubernetes

Despliegue de Modelos con Kubeflow

  • Visión general de KFServing / KServe
  • Despliegue de modelos con tiempos de ejecución personalizados
  • Gestión de revisiones, escalado y enrutamiento de tráfico

Gestión de Flujos de Trabajo de ML en Kubernetes

  • Versionado de datos, modelos y artefactos
  • Integración de CI/CD para flujos de trabajo de ML
  • Seguridad y control de acceso basado en roles

Mejores Prácticas para ML en Producción

  • Diseño de patrones de flujos de trabajo confiables
  • Observabilidad y monitoreo
  • Resolución de problemas comunes en Kubeflow

Temas Avanzados (Opcional)

  • Entornos multiinquilino de Kubeflow
  • Escenarios de despliegue híbrido y multiclúster
  • Extensión de Kubeflow con componentes personalizados

Resumen y Próximos Pasos

Requerimientos

  • Comprender aplicaciones contenerizadas
  • Experiencia con flujos de trabajo básicos de línea de comandos
  • Familiaridad con conceptos de Kubernetes

Público Objetivo

  • Profesionales de ML
  • Científicos de Datos
  • Equipos de DevOps nuevos en Kubeflow
 14 Horas

Número de participantes


Precio por participante

Testimonios (3)

Próximos cursos

Categorías Relacionadas