Um dos obstáculos no desenvolvimento de modelos de ciência de dados/machine learning é projetar pipelines completos que operem em larga escala e em tempo real. Cientistas e engenheiros de dados frequentemente precisam aprender, desenvolver e manter a infraestrutura que sustenta seus experimentos.
Neste laboratório, Salman analisará as vantagens de utilizar o Kubeflow, uma plataforma de código aberto baseada no Kubernetes, projetada para abstrair tarefas não relacionadas diretamente ao machine learning, sem abrir mão do controle e da flexibilidade.
O que você vai aprender:
- Arquitetura e instalação do Kubeflow
- Como criar um experimento completo de machine learning utilizando a orquestração no pipeline Kubeflow
- Casos de uso atuais do Kubeflow e como as equipes de outros setores têm utilizado a nuvem para dimensionar suas operações de machine learning