Programa del Curso

Introducción

  • Kubeflow En OpenShift frente a los servicios gestionados de nube pública

Resumen de Kubeflow en OpenShift

  • Contenedores de lectura de código
  • Opciones de almacenamiento

Descripción general de la configuración del entorno

  • Configuración de un clúster Kubernetes

Configuración de Kubeflow en OpenShift

  • Instalación Kubeflow

Codificación del modelo

  • Elección de un algoritmo de ML
  • Implementación de un modelo TensorFlow CNN

Lectura de los datos

  • Accessing de un conjunto de datos

Kubeflow Oleoductos en OpenShift

  • Configuración de una canalización de extremo a extremo Kubeflow
  • Personalización Kubeflow de canalizaciones

Ejecución de un trabajo de entrenamiento de ML

  • Entrenamiento de un modelo

Implementación del modelo

  • Ejecución de un modelo entrenado en OpenShift

Integración del modelo en una aplicación web

  • Creación de una aplicación de ejemplo
  • Envío de solicitudes de predicción

Administración Kubeflow

  • Monitoreo con Tensorboard
  • Administración de registros

Protección de un clúster Kubeflow

  • Configuración de la autenticación y la autorización

Solución de problemas

Resumen y conclusión

Requerimientos

  • Comprensión de los conceptos de aprendizaje automático.
  • Conocimiento de los conceptos de computación en la nube.
  • Conocimientos generales de los contenedores (Docker) y la orquestación (Kubernetes).
  • Algo de Python experiencia en programación es útil.
  • Experiencia trabajando con una línea de comandos.

Audiencia

  • Ingenieros en ciencia de datos.
  • DevOps Ingenieros interesados en la implementación de modelos de aprendizaje automático.
  • Ingenieros de infraestructura interesados en la implementación de modelos de aprendizaje automático.
  • Ingenieros de software que deseen automatizar la integración y el despliegue de funciones de aprendizaje automático con su aplicación.
 28 Horas

Número de participantes


Precio por Participante​

Testimonios (5)

Próximos cursos

Categorías Relacionadas