Uno de los obstáculos más comunes a la hora de desarrollar modelos de ciencia de datos/aprendizaje automático es diseñar procesos integrales que puedan funcionar a escala y en tiempo real. A menudo se espera que los científicos e ingenieros de datos aprendan, desarrollen y mantengan la infraestructura para sus experimentos.
En este taller práctico, Salman analizará las ventajas de utilizar Kubeflow, una plataforma de código abierto basada en Kubernetes diseñada para desvincular las tareas no relacionadas con el aprendizaje automático y, al mismo tiempo, proporcionarle el control.
Algunas de las cosas sobre las que aprenderá:
- Arquitectura e instalación de Kubeflow
- Creación de un experimento de aprendizaje automático de orquestación integral en el proceso de Kubeflow
- Casos de uso actuales de Kubeflow y cómo equipos de otros sectores han estado utilizando la nube para ampliar sus operaciones de aprendizaje automático