Kubeflow en AWS

Este curso de formación en vivo dirigido por un instructor en España (en línea o presencial) está dirigido a ingenieros de IA y científicos de datos de nivel avanzado con experiencia intermedia a avanzada que desean mejorar DeepSeek el rendimiento del modelo, minimizar la latencia y implementar soluciones de IA de manera eficiente utilizando prácticas modernas MLOps.

Al final de esta capacitación, los participantes podrán:

• Optimizar DeepSeek modelos para eficiencia, precisión y escalabilidad.
• Implementar buenas prácticas para MLOps y versionado de modelos.
• Desplegar DeepSeek modelos en infraestructuras en la nube y locales.
• Monitorear, mantener y escalar soluciones de IA de manera efectiva.

Esta capacitación en vivo dirigida por un instructor en España (presencial o remota) está dirigida a ingenieros que desean implementar y administrar dispositivos IoT en AWS.

Al final de esta capacitación, los participantes podrán crear una plataforma de IoT que incluya la implementación y administración de un backend, una puerta de enlace y dispositivos sobre AWS.

Esta capacitación en vivo dirigida por un instructor en España (en línea o en el sitio) está dirigida a desarrolladores que desean instalar, configurar y administrar AWS IoT las capacidades de Greengrass para crear aplicaciones para varios dispositivos.

Al final de esta capacitación, los participantes podrán usar AWS IoT Greengrass para crear, implementar, administrar, proteger y monitorear aplicaciones en dispositivos inteligentes.

Esta capacitación en vivo dirigida por un instructor en España (presencial o remota) está dirigida a desarrolladores que desean usar AWS Lambda para crear e implementar servicios y aplicaciones en la nube, sin necesidad de preocuparse por el aprovisionamiento del entorno de ejecución (servidores, máquinas virtuales y contenedores, disponibilidad, escalabilidad, almacenamiento, etc.).

Al final de esta formación, los participantes serán capaces de:

• Configure AWS Lambda para ejecutar una función.
• Comprender FaaS (Functions as a Service) y las ventajas del desarrollo sin servidor.
• Construya, cargue y ejecute AWS Lambda funciones.
• Integre funciones de Lambda con diferentes fuentes de eventos.
• Empaquete, implemente, supervise y solucione problemas de aplicaciones basadas en Lambda.

Esta capacitación en vivo dirigida por un instructor en España (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean profundizar su comprensión de las prácticas DevOps y optimizar los procesos de desarrollo con AWS Cloud9.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure AWS Cloud9 para DevOps flujos de trabajo.
• Implemente canalizaciones de integración continua y entrega continua (CI/CD).
• Automatice los procesos de prueba, monitoreo e implementación con AWS Cloud9.
• Integre servicios de AWS como Lambda, EC2 y S3 en DevOps flujos de trabajo.
• Utilice sistemas de control de código fuente como GitHub o GitLab dentro de AWS Cloud9.

Esta capacitación en vivo dirigida por un instructor en España (en línea o presencial) está dirigida a profesionales de nivel intermedio que deseen aprender a crear, implementar y mantener aplicaciones sin servidor de manera efectiva en AWS Cloud9 y AWS Lambda.

Al final de esta formación, los participantes serán capaces de:

• Comprenda los fundamentos de la arquitectura sin servidor.
• Configure AWS Cloud9 para el desarrollo de aplicaciones sin servidor.
• Desarrolle, pruebe e implemente aplicaciones sin servidor con AWS Lambda.
• Integre AWS Lambda con otros servicios de AWS, como API Gateway y S3.
• Optimice las aplicaciones sin servidor para mejorar el rendimiento y la rentabilidad.

Veraniego:

• Conceptos básicos de la arquitectura y las funciones de IoT
• "Cosas", "Sensores", Internet y el mapeo entre las funciones de negocio de IoT
• Esencial de todos los componentes de software de IoT: hardware, firmware, middleware, nube y aplicación móvil
• Funciones de IoT: gestor de flotas, visualización de datos, FM y DV basados en SaaS, alerta/alarma, incorporación de sensores, incorporación de "cosas", geo-cercas
• Conceptos básicos de la comunicación de dispositivos IoT con la nube con MQTT.
• Conexión de dispositivos IoT a AWS con MQTT (AWS IoT Core).
• Conexión del núcleo AWS IoT con la función AWS Lambda para el cálculo y el almacenamiento de datos.
• Conexión de Raspberry PI con núcleo AWS IoT y comunicación de datos sencilla.
• Alertas y eventos
• Calibración del sensor

Resumen:

• Conceptos básicos de la arquitectura y las funciones de IoT
• "Cosas", "Sensores", Internet y el mapeo entre las funciones de negocio de IoT
• Esencial de todos los componentes de software de IoT: hardware, firmware, middleware, nube y aplicación móvil
• Funciones de IoT: gestor de flotas, visualización de datos, FM y DV basados en SaaS, alerta/alarma, incorporación de sensores, incorporación de "cosas", geo-cercas
• Conceptos básicos de la comunicación de dispositivos IoT con la nube con MQTT.
• Conexión de dispositivos IoT a AWS con MQTT (AWS IoT Core).
• Conexión del núcleo AWS IoT con la función AWS Lambda para el cálculo y el almacenamiento de datos mediante DynamoDB.
• Conexión de Raspberry PI con núcleo AWS IoT y comunicación de datos sencilla.
• Manos a la obra con Raspberry PI y AWS IoT Core para construir un dispositivo inteligente.
• Visualización de datos de sensores y comunicación con interfaz web.

Esta capacitación en vivo dirigida por un instructor en España (en línea o presencial) está dirigida a desarrolladores y científicos de datos que desean crear, implementar y administrar flujos de trabajo de aprendizaje automático en Kubernetes.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure Kubeflow en las instalaciones y en la nube mediante AWS EKS (Elastic Kubernetes Service).
• Cree, implemente y administre flujos de trabajo de ML basados en Docker contenedores y Kubernetes.
• Ejecute canalizaciones completas de aprendizaje automático en diversas arquitecturas y entornos en la nube.
• Uso de Kubeflow para generar y administrar cuadernos de Jupyter Notebook.
• Cree entrenamiento de ML, ajuste de hiperparámetros y entrega de cargas de trabajo en múltiples plataformas.

Esta formación dirigida por un instructor (en línea o presencial) en España está destinada a ingenieros que deseen implementar cargas de trabajo de Machine Learning en la nube de Azure.

Al final de esta formación, los participantes serán capaces de:

• Instalar y configurar Kubernetes, Kubeflow y otros software necesarios en Azure.
• Usar Azure Kubernetes Service (AKS) para simplificar la inicialización de un clúster de Kubernetes en Azure.
• Crear e implementar una canalización de Kubernetes para automatizar y gestionar modelos de ML en producción.
• Entrenar e implementar modelos de ML de TensorFlow a través de múltiples GPUs y máquinas que funcionan en paralelo.
• Aprovechar otros servicios administrados de AWS para extender una aplicación de ML.

Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a científicos de datos que desean ir más allá de la creación de modelos de ML y optimizar el proceso de creación, seguimiento e implementación de modelos de ML.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure MLflow y las bibliotecas y marcos de ML relacionados.
• Apreciar la importancia de la trazabilidad, la reproducibilidad y la capacidad de implementación de un modelo de ML
• Implemente modelos de ML en diferentes nubes públicas, plataformas o servidores locales.
• Escale el proceso de implementación de ML para dar cabida a varios usuarios que colaboran en un proyecto.
• Configure un registro central para experimentar, reproducir e implementar modelos de ML.

Este curso de formación en vivo guiado por un instructor en España (en línea o presencial) está dirigido a ingenieros que deseen evaluar los enfoques y herramientas disponibles hoy en día para tomar una decisión inteligente sobre el camino a seguir en la adopción de MLOps dentro de su organización.

Al finalizar este curso, los participantes serán capaces de:

• Instalar y configurar diversos marcos y herramientas de MLOps.
• Formar el equipo adecuado con las habilidades necesarias para construir y soportar un sistema de MLOps.
• Preparar, validar y versionar datos para su uso por modelos de ML.
• Comprender los componentes de una canalización de ML (ML Pipeline) y las herramientas necesarias para construirla.
• Experimentar con diferentes marcos y servidores de aprendizaje automático para su despliegue en producción.
• Operacionalizar el proceso completo de Aprendizaje Automático para que sea reproducible y mantenible.

Este curso dirigido por un instructor, en vivo (en línea o presencial), está destinado a ingenieros de aprendizaje automático que deseen usar Azure Machine Learning y Azure DevOps para facilitar las prácticas de MLOps.

Al finalizar este curso, los participantes serán capaces de:

• Crear flujos de trabajo y modelos de aprendizaje automático reproducibles.
• Gestionar el ciclo de vida del aprendizaje automático.
• Seguir y reportar el historial de versiones de los modelos, activos y más.
• Desplegar modelos de aprendizaje automático listos para producción en cualquier lugar.

MLOps on Kubernetes is a framework for automating the training, validation, packaging, and deployment of machine learning models using containerized pipelines and GitOps workflows.

This instructor-led, live training (online or onsite) is aimed at intermediate-level practitioners who wish to build automated, scalable MLOps pipelines on Kubernetes.

After completing this training, participants will be equipped to:

• Design end-to-end CI/CD pipelines for machine learning.
• Implement GitOps workflows for model deployment and versioning.
• Automate training, testing, and packaging of ML models.
• Integrate monitoring, alerting, and rollback strategies.

Format of the Course

• Instructor-guided presentations and technical deep dives.
• Hands-on exercises that build real-world CI/CD workflows.
• Live-lab practice deploying ML workloads to Kubernetes.

Course Customization Options

• Organizations may request tailored content aligned with their internal MLOps tools and infrastructure.