Entrar em Contato
 Duração 14 horas

Programa do Curso

Introdução ao Kubeflow

  • Compreensão da missão e da arquitetura do Kubeflow
  • Visão geral dos componentes principais e do ecossistema
  • Opções de implantação e capacidades da plataforma

Trabalhando com o Dashboard do Kubeflow

  • Navegação pela interface do usuário
  • Gerenciamento de notebooks e espaços de trabalho
  • Integração de armazenamento e fontes de dados

Fundamentos do Kubeflow Pipelines

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

Treinando Modelos de ML no Kubeflow

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

Serviço de Modelos com o Kubeflow

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

Gerenciando Fluxos de Trabalho de ML no Kubernetes

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

Melhores Práticas para ML em Produção

  • Design de padrões de fluxo de trabalho confiáveis
  • Observabilidade e monitoramento
  • Resolução de problemas comuns no Kubeflow

Tópicos Avançados (Opcional)

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

Resumo e Próximos Passos

Requisitos

  • Compreensão de aplicações em contêineres
  • Experiência com fluxos de trabalho básicos de linha de comando
  • Conhecimento dos conceitos do Kubernetes

Público Alvo

  • Especialistas em ML
  • Cientistas de dados
  • Equipes de DevOps iniciantes no Kubeflow

Número de participantes


Preço por participante

Testemunhos de Clientes (4)

Próximas Formações Provisórias

Categorias Relacionadas