Nuevo
Introducción a MLOps
Este curso de MLOps está dirigido a profesionales de datos y desarrolladores que quieren llevar sus modelos de machine learning desde el notebook hasta producción y mantenerlos fiables a lo largo del tiempo. Empezaremos por los retos del machine learning en producción, los principios del MLOps y sus diferencias con DevOps. Pasaremos por el versionado de código, datos y modelos, el seguimiento de experimentos con MLflow y la automatización con CI, CD y CT. Terminaremos con las estrategias de despliegue, la monitorización de la deriva de datos y los perfiles más demandados en el mercado laboral.
Formación recién publicada
La metodología y plataforma de formación que se adapta al tamaño y ritmo de tu empresa.
Curso impartido por
Contenido de la formación
4 Secciones · 16 Lecciones ·
2 h. y 56 min.
en total
Introducción a MLOps El Qué y El Por Qué
El Ciclo de Vida del ML con MLOps
Automatización, Despliegue y Monitorización
MLOps en el Mercado Laboral y Próximos Pasos
Habilidades que obtendrás
- Comprensión de los principios del MLOps, sus niveles de madurez y sus diferencias con el desarrollo de software tradicional
- Versionado de código, datos y modelos para garantizar la reproducibilidad y la trazabilidad
- Seguimiento de experimentos y gestión del ciclo de vida de los modelos con MLflow y Model Registry
- Automatización del ciclo de vida con integración, despliegue y entrenamiento continuos (CI/CD/CT) y estrategias de despliegue como canary, shadow, A/B testing y blue-green
- Monitorización de modelos en producción y detección de data drift, concept drift y prediction drift
Requisitos mínimos
Buenos conocimientos de Python y nociones básicas de machine learning: entrenamiento de modelos y métricas de evaluación. La teoría es de nivel introductorio, pero la parte práctica requiere un nivel intermedio.