Curso
Conceptos de MLOps
2 h
43.7K
Esta lista clasifica los cursos según cuatro criterios:
\n- \n
- Profundidad conceptual: si el curso explica todo el ciclo de vida de MLOps o solo muestra un script de despliegue y lo da por terminado \n
- Rigor práctico: si construyes, despliegas y monitorizas una canalización real, no solo miras un diagrama \n
- Cobertura de plataformas y herramientas: si el curso se ciñe a una sola nube o framework, o te da una visión de cómo encajan las piezas (MLflow, registros de modelos, CI/CD, servicios de ML en la nube) \n
- Experiencia del instructor y resultados: quién lo imparte y qué serás capaz de operar después \n
La mayoría de los cursos de esta lista se pueden empezar gratis o con una prueba; algunos requieren una suscripción a la plataforma, una compra única o la matrícula de un Nanodegree para acceder al contenido completo.
\n1. MLOps Concepts — DataCamp
\nEl curso MLOps Concepts de DataCamp es la mejor opción de esta lista para desarrolladores y líderes técnicos que quieren un mapa claro del ciclo de vida de MLOps antes de tocar una sola herramienta de despliegue.
\n- \n
- Nivel: Intermedio \n
- Duración: ~2 horas, a tu ritmo \n
- Coste: Empieza gratis; acceso completo incluido con una suscripción a DataCamp (~12,42 $ al mes) \n
- Ideal para: Desarrolladores y líderes técnicos que buscan una base conceptual y enfocada en MLOps antes de comprometerse con un programa más largo y centrado en herramientas \n
El curso recorre las fases clave del ciclo de vida del aprendizaje automático —diseño y desarrollo, despliegue y mantenimiento— y cubre feature stores, seguimiento de experimentos, contenedorización, CI/CD y la monitorización estadística y computacional que dispara el reentrenamiento.
\n2. Machine Learning DevOps Engineer Nanodegree — Udacity
\nEl Machine Learning DevOps Engineer Nanodegree de Udacity es una gran opción para desarrolladores que quieren un programa basado en proyectos que trate MLOps como una disciplina propia y no como un añadido al final de un curso de modelado.
\n- \n
- Nivel: Avanzado \n
- Duración: ~4 meses a 10 horas/semana \n
- Coste: Matrícula de Nanodegree \n
- Ideal para: Desarrolladores que ya conocen el flujo de trabajo de data science y quieren construir código Python de nivel producción, canalizaciones de CI/CD y monitorización \n
El programa cubre código Python limpio, testeable y listo para producción; después pasa a crear una canalización de ML reutilizable con seguimiento de experimentos y versionado de datos, y termina con el despliegue de modelos mediante FastAPI y una configuración completa de CI/CD. Cada uno de los cuatro proyectos es revisado por la red de revisores de Udacity antes de aprobar.
\n3. Machine Learning in Production — DeepLearning.AI (Coursera)
\nEl curso Machine Learning in Production de Andrew Ng es una gran opción para desarrolladores que buscan una base sólida, en un único curso, sobre la teoría de operar sistemas de ML a escala, impartido por uno de los instructores más reconocidos del campo.
\n- \n
- Nivel: Intermedio \n
- Duración: ~10 horas en 3 módulos \n
- Coste: Auditoría gratuita; suscripción a Coursera para el certificado \n
- Ideal para: Desarrolladores que quieren entender el porqué de los patrones de despliegue, el concept drift y la IA centrada en los datos antes de operar un sistema por su cuenta \n
El curso cubre el ciclo de vida de los proyectos de ML y los patrones de despliegue; después aborda retos de modelado como el análisis de errores y los conjuntos de datos sesgados, y cierra con definición de datos, consistencia del etiquetado y establecimiento de una línea base de rendimiento. Tiene una puntuación de 4,8/5 con más de 3.300 reseñas.
\n4. MLOps | Machine Learning Operations Specialization — Duke University (Coursera)
\nLa MLOps Specialization de Duke University, impartida por Noah Gift y Alfredo Deza, es una gran opción para desarrolladores que prefieren amplitud en varias nubes antes que profundidad en las herramientas de un único proveedor.
\n- \n
- Nivel: Avanzado \n
- Duración: Especialización de cuatro cursos, unos 6 meses a 5 horas/semana \n
- Coste: Auditoría gratuita de cursos individuales; suscripción a Coursera para el certificado \n
- Ideal para: Desarrolladores que necesitan operar sistemas de ML en más de un entorno —AWS SageMaker, Azure ML y herramientas open source— en lugar de estandarizarse en uno solo \n
La especialización recorre lo esencial de Python para MLOps, pasa a prácticas de DevOps y DataOps para CI/CD y reproducibilidad, y después cubre despliegues en SageMaker y Azure ML. Cierra con MLflow y las herramientas de Hugging Face para seguimiento de experimentos y registros de modelos.
\n5. Complete MLOps Bootcamp With 10+ End-to-End ML Projects — Udemy
\nEl MLOps Bootcamp de Udemy es una buena opción para desarrolladores que quieren el máximo de práctica con proyectos variados que cubran data science y MLOps a la vez.
\n- \n
- Nivel: Intermedio a avanzado \n
- Duración: Estilo bootcamp, más de 10 proyectos end-to-end \n
- Coste: Compra única en Udemy (con descuentos frecuentes) \n
- Ideal para: Desarrolladores que quieren practicar tanto la parte de infraestructura —Docker, MLflow, CI/CD— como la de modelado \n
El curso cubre cómo construir y automatizar el despliegue, la monitorización y el escalado de modelos de ML usando MLflow, Docker y frameworks modernos de MLOps, y después trabaja más de diez proyectos reales que recorren todo el camino desde la ingesta de datos hasta una canalización en producción.
\n6. MLOps Zoomcamp — DataTalks.Club
\nMLOps Zoomcamp es una buena opción para desarrolladores que quieren un curso totalmente gratuito, respaldado por la comunidad y con una cadencia semanal estructurada.
\n- \n
- Nivel: Intermedio (asume conocimientos de Python, Docker y experiencia previa en ML) \n
- Duración: 9 semanas, a tu ritmo \n
- Coste: Gratis \n
- Ideal para: Desarrolladores que prefieren una ruta gratuita y estructurada con tareas, tabla de clasificación y una comunidad en Slack para resolver problemas, en lugar de un curso de vídeo en solitario \n
El curso cubre seguimiento de experimentos y gestión de modelos, orquestación de flujos de trabajo, despliegue y monitorización, y termina con un proyecto final revisado por pares. Todos los materiales, vídeos y tareas son abiertos y gratuitos, aunque el apoyo en cohortes en vivo se ofrece solo de forma periódica.
\n7. MLOps (Machine Learning Operations) Fundamentals — Pluralsight
\nEl curso MLOps Fundamentals de Pluralsight es una buena opción para desarrolladores que ya trabajan en el ecosistema de Google Cloud y quieren una visión enfocada a las herramientas de MLOps de una sola plataforma.
\n- \n
- Nivel: Intermedio \n
- Duración: Curso de formato corto \n
- Coste: Suscripción a Pluralsight \n
- Ideal para: Desarrolladores que quieren ver herramientas y buenas prácticas de MLOps aplicadas específicamente al despliegue, evaluación y monitorización de modelos en Google Cloud \n
El curso introduce las prácticas de despliegue, pruebas, monitorización y automatización que componen MLOps, aplicadas en todo momento a las propias herramientas de Google Cloud para la evaluación continua de modelos en producción.
\nTabla comparativa de los mejores cursos de MLOps
\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
\n
| Puesto | Curso | Plataforma | Profundidad del programa | Coste / señal de resultados |
|---|---|---|---|---|
| 1 | MLOps Concepts | DataCamp | Ciclo de vida, feature stores, seguimiento de experimentos, despliegue, monitorización | Empieza gratis; ~2 horas |
| 2 | Machine Learning DevOps Engineer Nanodegree | Udacity | Python de producción, canalizaciones, despliegue con FastAPI, CI/CD | Matrícula de Nanodegree; ~4 meses |
| 3 | Machine Learning in Production | DeepLearning.AI (Coursera) | Patrones de despliegue, análisis de errores, definición de datos, líneas base | Auditoría gratuita; 4,8/5 con 3.300+ reseñas |
| 4 | MLOps Specialization | Duke University (Coursera) | Python, DevOps/DataOps, SageMaker, Azure ML, MLflow, Hugging Face | Auditoría gratuita; ~6 meses |
| 5 | Complete MLOps Bootcamp | Udemy | MLflow, Docker, CI/CD, más de 10 proyectos end-to-end | Compra única |
| 6 | MLOps Zoomcamp | DataTalks.Club | Seguimiento de experimentos, orquestación, despliegue, monitorización, proyecto final | Gratis; 9 semanas |
| 7 | MLOps Fundamentals | Pluralsight | Prácticas de MLOps en Google Cloud | Suscripción; formato corto |
Author
Josef Waples