Kubeflow para el aprendizaje automático

Si estás entrenando un modelo de aprendizaje automático pero no estás seguro de cómo ponerlo en producción, este libro te ayudará a conseguirlo. Kubeflow proporciona una colección de herramientas nativas de la nube para diferentes etapas del ciclo de vida de un modelo, desde la exploración de datos, la preparación de características y el entrenamiento del modelo hasta el servicio del modelo. Esta guía ayuda a los científicos de datos a construir implementaciones de aprendizaje automático de nivel de producción con Kubeflow y muestra a los ingenieros de datos cómo hacer que los modelos sean escalables y fiables.

Utilizando ejemplos a lo largo del libro, los autores Holden Karau, Trevor Grant, Ilan Filonenko, Richard Liu y Boris Lublinsky explican cómo utilizar Kubeflow para entrenar y servir tus modelos de aprendizaje automático sobre Kubernetes en la nube o en un entorno de desarrollo local.

• Comprende el diseño de Kubeflow, sus componentes básicos y los problemas que resuelve
• Comprende las diferencias entre Kubeflow en distintos tipos de clústeres
• Entrenar modelos utilizando Kubeflow con herramientas populares como Scikit-learn, TensorFlow y Apache Spark
• Mantén tu modelo actualizado con Kubeflow Pipelines
• Comprende cómo capturar los metadatos de entrenamiento del modelo
• Explora cómo ampliar Kubeflow con herramientas adicionales de código abierto
• Utilizar el ajuste de hiperparámetros para el entrenamiento
• Aprende a servir tu modelo en producción