Entrar em Contato

Programa do Curso

Introdução

Visão Geral dos Recursos e Componentes do Kubeflow

  • Contêineres, manifests, etc.

Visão Geral de um Pipeline de Machine Learning

  • Treinamento, testes, ajuste, implantação, etc.

Implantando o Kubeflow em um Cluster Kubernetes

  • Preparação do ambiente de execução (cluster de treinamento, cluster de produção, etc.)
  • Baixando, instalando e personalizando.

Executando um Pipeline de Machine Learning no Kubernetes

  • Construindo um pipeline do TensorFlow.
  • Construindo um pipeline do PyTorch.

Visualizando os Resultados

  • Exportando e visualizando métricas do pipeline

Personalizando o Ambiente de Execução

  • Personalização da pilha (stack) para infraestruturas diversas
  • Atualização de uma implantação do Kubeflow

Executando o Kubeflow em Nuvens Públicas

  • AWS, Microsoft Azure, Google Cloud Platform

Gerenciando Fluxos de Trabalho de Produção

  • Execução com metodologia GitOps
  • Agendamento de jobs
  • Criação de notebooks Jupyter

Solução de Problemas (Troubleshooting)

Resumo e Conclusão

Requisitos

  • Familiaridade com a sintaxe Python 
  • Experiência com TensorFlow, PyTorch ou outros frameworks de machine learning
  • Conta em um provedor de nuvem pública (opcional) 

Público-Alvo

  • Desenvolvedores
  • Cientistas de dados
 28 Horas

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas