¡Última oportunidad! 50 % de descuento en todo
La oferta termina dentro de
Descripción del curso
MLOps es el conjunto de prácticas desarrolladas para ayudarte a implementar y mantener modelos de machine learning en producción. Hoy en día, en la industria y la investigación, MLOps está en el punto de mira como una forma de garantizar que los sistemas de ML generen valor.
Descubre la automatización completa en MLOps
En este curso, aprenderás a utilizar la automatización en MLOps para implementar sistemas de ML que puedan aportar valor a lo largo del tiempo. Aprenderás cómo la deuda técnica oculta afecta a los sistemas de aprendizaje automático y al valor que generan. También comprenderás cómo la automatización y la optimización de las etapas del ciclo de vida del aprendizaje automático pueden ayudar al funcionamiento y la ampliación de los sistemas de aprendizaje automático.Más información sobre la arquitectura MLOps
Utilizarás ejercicios prácticos e interactivos para aprender sobre los componentes de una arquitectura MLOps y cómo estos son necesarios para permitir la automatización completa de los sistemas ML.Explora las técnicas de CI/CD/CM/CT MLOps
A medida que avances, aprenderás cómo la CI/CD automatizada, junto con la supervisión continua (CM) y la formación continua (CT), son técnicas clave para evitar la deuda técnica en tus implementaciones de ML.Comprender la automatización en las estrategias de implementación
Al finalizar el curso, comprenderás cómo la automatización con MLOps puede mejorar la forma en que implementas tus sistemas de ML en el mundo real, proporcionando solidez y escalabilidad a tus implementaciones.Empieza a aprender, adquiere conocimientos en este campo tan demandado y descubre cómo aplicar la automatización al diseñar sistemas MLOps.
Requisitos previos
Programa de formación
Esquema del curso
1
Introducción: a MLOps totalmente automatizado
En este primer capítulo, motivamos el uso de MLOps en un entorno industrial. Aprenderás por qué es clave para generar valor en las empresas. También repasarás las etapas de ML, centrándote en cómo MLOps las potencia. Al final del capítulo, explorarás una arquitectura de referencia para un sistema de MLOps totalmente automatizado. Usarás esta arquitectura para conocer los componentes importantes de cualquier sistema de MLOps y como punto de partida para el resto del curso.
- Introducción a MLOps totalmente automatizado50 XP
- La deuda técnica oculta hay que pagarla50 XP
- La deuda técnica oculta en ML es diferente100 XP
- Fases del ciclo de vida de MLOps50 XP
- MLOps totalmente automatizado50 XP
- Automatizar o no automatizar...50 XP
- Preparar para escalar100 XP
- Arquitectura de referencia: MLOps totalmente automatizado50 XP
- Arquitecturas de referencia en TI y MLOps50 XP
- Componentes de la arquitectura de MLOps100 XP
2
Arquitectura de MLOps totalmente automatizado
En este capítulo, continuarás explorando los componentes críticos que componen un sistema de MLOps totalmente automatizado. Primero, revisarás la importancia de la orquestación en MLOps y cómo ayuda a garantizar la eficiencia y la escalabilidad de los pipelines de ML. Después, analizarás las distintas estrategias de despliegue en MLOps y aprenderás a elegir la adecuada para tu sistema. Por último, aprenderás sobre CI/CD/CT/CM y cómo complementa la orquestación y las buenas prácticas para lograr una automatización completa en sistemas de MLOps. Con estas lecciones, estarás mejor preparado para crear un sistema de MLOps totalmente automatizado que sea eficiente, preciso y fiable.
3
Patrones de automatización
En este capítulo, te adentrarás en el mundo de la automatización y aprenderás a diseñar sistemas de ML más resilientes y eficientes. Empezarás entendiendo los fundamentos de la automatización en sistemas de MLOps y, a continuación, descubrirás el poder de los patrones de diseño y los mecanismos a prueba de fallos. También aprenderás a implementar pruebas automatizadas en sistemas de MLOps y a usar el ajuste de hiperparámetros para optimizar tus modelos y flujos de trabajo. Al finalizar, contarás con las habilidades y el conocimiento necesarios para crear y gestionar sistemas de MLOps totalmente automatizados que sean a la vez eficientes y fiables.
4
Automatización en despliegues de MLOps
En este capítulo final, profundizarás en los componentes clave de una arquitectura de MLOps automatizada. Desde comprender el seguimiento automatizado de experimentos y el registro de modelos hasta explorar el feature store y el papel del metadata store, este capítulo está diseñado para darte una visión completa de las particularidades de un sistema de MLOps totalmente automatizado. Tanto si ya tienes experiencia en ML como si estás empezando, este capítulo te proporcionará los conocimientos y habilidades necesarios para diseñar flujos de trabajo de MLOps automatizados.
R
MLOps totalmente automatizado
Curso
completado
