Programa del Curso
Introducción
- Introducción a Kubernetes
- Descripción general de Kubeflow Características y arquitectura
- Kubeflow en AWS frente a on-premise frente a otros proveedores de nube pública
Configuración de un clúster con AWS EKS
Configuración de un clúster local con Microk8s
Implementación Kubernetes mediante un enfoque de GitOps
Enfoques de almacenamiento de datos
Creación de una canalización Kubeflow
Desencadenar una canalización
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 Multi-GPU
Creación de un servidor de inferencia para implementar modelos de ML
Trabajar con JupyterHub
Networking y equilibrio de carga
Escalado automático de un clúster Kubernetes
Solución de problemas
Resumen y conclusión
Requerimientos
- Familiaridad con la sintaxis Python
- Experiencia con Tensorflow, PyTorch u otro marco de aprendizaje automático
- Una cuenta de AWS con los recursos necesarios
Audiencia
- Desarrolladores
- Científicos de datos
Testimonios (1)
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.