<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet href="/feed.rss.xml" type="text/xsl" media="screen"?>
<rss version="2.0" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:media="http://search.yahoo.com/mrss/" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Israel Olalla</title>
    <description/>
    <link>https://speakerdeck.com/iolalla</link>
    <atom:link rel="self" type="application/rss+xml" href="https://speakerdeck.com/iolalla.rss"/>
    <lastBuildDate>2018-12-05 12:59:42 -0500</lastBuildDate>
    <item>
      <title>Machine Learning at Scale with Kubeflow</title>
      <description>En esta sesión revisaremos Kubeflow, con un caso práctico para que puedas entender como Kubeflow te puede ayudar a gestionar tu modelo de Machine Learning.
Durante la sesión veremos el ciclo completo del modelo,  la edición con Jupyter, la creación de los contenedores de entrenamiento y predicción, la gestión del un A/B testing y el uso de herramientas como Tensorboard y la modificación de los parámetros del modelo.
</description>
      <media:content url="https://files.speakerdeck.com/presentations/e1fd100bb9d44e76aa4106834d42ab5e/preview_slide_0.jpg?11373286" type="image/jpeg" medium="image"/>
      <content:encoded>En esta sesión revisaremos Kubeflow, con un caso práctico para que puedas entender como Kubeflow te puede ayudar a gestionar tu modelo de Machine Learning.
Durante la sesión veremos el ciclo completo del modelo,  la edición con Jupyter, la creación de los contenedores de entrenamiento y predicción, la gestión del un A/B testing y el uso de herramientas como Tensorboard y la modificación de los parámetros del modelo.
</content:encoded>
      <pubDate>Fri, 23 Nov 2018 00:00:00 -0500</pubDate>
      <link>https://speakerdeck.com/iolalla/machine-learning-at-scale-with-kubeflow</link>
      <guid>https://speakerdeck.com/iolalla/machine-learning-at-scale-with-kubeflow</guid>
    </item>
  </channel>
</rss>
