Kubeflow en Producción · Lección 01
¿Qué objetivo central persigue Kubeflow como plataforma construida sobre Kubernetes?
Proveer un conjunto integrado de herramientas para todo el ciclo de vida de machine learning (desarrollo, entrenamiento, tuning, despliegue) aprovechando la infraestructura de Kubernetes existente
Kubeflow reemplaza por completo la necesidad de tener un cluster de Kubernetes real
Solo puede usarse para servir modelos ya entrenados, sin ninguna capacidad de entrenamiento
Requiere reescribir completamente los modelos de ML en un lenguaje propio de Kubeflow
Kubeflow en Producción · Lección 01
Completa el código
Kubeflow nació originalmente como una forma de ejecutar cargas de trabajo de
Revisa: nació originalmente como una forma de ejecutar cargas de trabajo de TensorFlow en Kubernetes.
Kubeflow en Producción · Lección 01
¿Por qué construir Kubeflow sobre Kubernetes (en vez de una infraestructura propia separada) permite a un equipo aprovechar directamente la escalabilidad y gestión de recursos que ya tiene su cluster?
Pista: un equipo que ya opera Kubernetes puede aprovechar directamente su capacidad de escalado, scheduling y gestión de recursos existente, sin tener que aprender ni mantener un sistema de infraestructura completamente distinto y separado solo para las cargas de trabajo de ML.
✓
¡Lección completada!
Qué es Kubeflow y su propósito como plataforma de ML en Kubernetes
0
XP ganado
3
Vidas restantes