Temario del curso
Preparación de modelos de aprendizaje automático para el despliegue
- Empaquetado de modelos mediante Docker
- Exportación de modelos desde TensorFlow y PyTorch
- Consideraciones relativas al control de versiones y al almacenamiento
Poner en servicio modelos en Kubernetes
- Descripción general de los servidores de inferencia
- Implementación de TensorFlow Serving y TorchServe
- Configuración de puntos de conexión para los modelos
Técnicas de optimización en la inferencia
- Estrategias de agrupamiento de solicitudes
- Manejo simultáneo de múltiples solicitudes
- Ajuste del nivel de latencia y el rendimiento global
Ajuste automático de escala en cargas de trabajo de IA
- Horizontal Pod Autoscaler (HPA)
- Vertical Pod Autoscaler (VPA)
- Kubernetes Event-Driven Autoscaling (KEDA)
Aprovisionamiento de GPU y gestión de recursos
- Configuración de nodos con unidades gráficas
- Introducción al complemento para dispositivos NVIDIA
- Solicitudes y límites de recursos asignados a cargas de trabajo de IA
Estrategias de implementación y lanzamiento de modelos
- Despliegues tipo blue/green
- Métodos canarios para la introducción gradual de cambios<\/li>
- Pruebas A/B destinadas a evaluar el desempeño de los modelos
Monitoreo y trazabilidad de cargas de trabajo de IA en producción
- Métricas relevantes para procesos de inferencia
- Prácticas recomendadas para el registro y seguimiento de eventos
- Dashboards e instrumentación para alertas automáticas
Aspectos clave en seguridad y fiabilidad
- Protección de puntos de conexión asociados a los modelos
- Políticas de red y control de acceso
- Mecanismos para garantizar alta disponibilidad del sistema
Resumen y próximos pasos recomendados
Requerimientos
- Conocimientos básicos sobre flujos de trabajo de aplicaciones contenerizadas
- Experiencia en el desarrollo de modelos de aprendizaje automático con Python
- Familiaridad con los conceptos fundamentales de Kubernetes
Público objetivo
- Ingenieros especializados en aprendizaje automático
- Ingenieros DevOps
- Equipos de ingeniería de plataformas
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 2900 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
Reseñas (4)
comprensión básica de contenedores/kubernetes y su interacción características de la plataforma Openshift
Eric Scholze - NOW IT GmbH
Curso - Introduction to Containers, Kubernetes & OpenShift
Traducción Automática
About the microservices and how to maintenance kubernetes
Yufri Isnaini Rochmat Maulana - Bank Indonesia
Curso - Advanced Platform Engineering: Scaling with Microservices and Kubernetes
Cómo los formadores transmiten el conocimiento de manera efectiva
Vu Thoai Le - Reply Polska sp. z o. o.
Curso - Certified Kubernetes Administrator (CKA) - exam preparation
Traducción Automática
El conocimiento y los intercambios con Augustin
Laurent - L'Office national des vacances annuelles (ONVA)
Curso - Docker and Kubernetes
Traducción Automática