Programa do Curso

Introdução ao Kubeflow

  • Compreensão da missão e arquitetura do Kubeflow
  • Componentes principais e visão geral do ecossistema
  • Opções de implantação e capacidades da plataforma

Trabalhando com o Kubeflow Dashboard

  • Navegação na interface do usuário
  • Gerenciamento de notebooks e workspaces
  • Integração de armazenamento e fontes de dados

Fundamentos dos Kubeflow Pipelines

  • Estrutura de pipeline e design de componentes
  • Criação de pipelines com Python SDK
  • Execução, agendamento e monitoramento de execuções de pipeline

Treinando Modelos de ML no Kubeflow

  • Padrões de treinamento distribuído
  • Uso de TFJob, PyTorchJob e outros operadores
  • Gerenciamento de recursos e escalonamento automático no Kubernetes

Servindo Modelos com Kubeflow

  • Visão geral do KFServing / KServe
  • Implantação de modelos com runtimes personalizados
  • Gerenciamento de revisões, escalonamento e roteamento de tráfego

Gerenciando Fluxos de Trabalho de ML no Kubernetes

  • Versão de dados, modelos e artefatos
  • Integração de CI/CD para pipelines de ML
  • Segurança e controle de acesso baseado em funções

Melhores Práticas para ML em Produção

  • Design de padrões de fluxo de trabalho confiáveis
  • Observabilidade e monitoramento
  • Solução de problemas comuns do Kubeflow

Tópicos Avançados (Opcionais)

  • Ambientes multi-tenant do Kubeflow
  • Cenários de implantação híbrida e multi-cluster
  • Extensão do Kubeflow com componentes personalizados

Resumo e Próximos Passos

Requisitos

  • Compreensão de aplicações containerizadas
  • Experiência com fluxos de trabalho básicos de linha de comando
  • Familiaridade com conceitos do Kubernetes

Público-Alvo

  • Praticantes de ML
  • Cientistas de dados
  • Equipes DevOps novas no Kubeflow
 14 Horas

Número de participantes


Preço por participante

Declaração de Clientes (5)

Próximas Formações Provisórias

Categorias Relacionadas