Kubeflow para Machine Learning: Configuración y Gestión de Flujos de Trabajo

Gestionar el ciclo de vida completo de los modelos de machine learning puede ser complejo y requiere herramientas robustas para la orquestación y el despliegue. Este curso proporciona una comprensión fundamental de Kubeflow, permitiéndote orquestar y gestionar tus proyectos de machine learning desde la preparación de datos hasta el despliegue del modelo. Lo que aprenderás: * Comprender los componentes principales y los patrones arquitectónicos de Kubeflow. * Configurar y desplegar un entorno de Kubeflow en un clúster de Kubernetes. * Diseñar e implementar pipelines de machine learning de extremo a extremo utilizando Kubeflow Pipelines. * Gestionar experimentos de ML, realizar un seguimiento de métricas y versionar modelos dentro de Kubeflow. * Aplicar principios fundamentales de MLOps para flujos de trabajo de ML escalables y reproducibles. * Practicar la integración de frameworks de ML comunes en tareas orquestadas por Kubeflow. El curso comienza con la terminología esencial y resúmenes arquitectónicos, avanzando hacia la configuración práctica y la aplicación práctica de los componentes de Kubeflow. Aprenderás a construir y gestionar tus propios flujos de trabajo de machine learning desde cero. Este curso está diseñado para principiantes en operaciones de machine learning y futuros ingenieros de ML que deseen aprovechar Kubeflow para gestionar sus proyectos. No se requiere experiencia previa con Kubeflow, aunque resulta útil tener una comprensión básica de los conceptos de machine learning y de las interfaces de línea de comandos. Comienza tu viaje para dominar Kubeflow y transforma tu desarrollo de machine learning.