Introducción a MLflow

Gestionar el ciclo de vida completo de una aplicación de Aprendizaje Automático puede ser una tarea desalentadora para los científicos de datos, ingenieros y desarrolladores. Las aplicaciones de aprendizaje automático son complejas y tienen un historial demostrado de ser difíciles de seguir, difíciles de reproducir y problemáticas de desplegar.

En este curso, aprenderás qué es el flujo MLy cómo intenta simplificar las dificultades del ciclo de vida del Aprendizaje Automático, como el seguimiento, la reproducibilidad y el despliegue. Después de aprender MLflow, comprenderás mejor cómo superar las complejidades de la creación de aplicaciones de Aprendizaje Automático y cómo navegar por las diferentes etapas del ciclo de vida del Aprendizaje Automático.

A lo largo del curso, profundizarás en los cuatro componentes principales que conforman la plataforma de flujo ML. Explorarás cómo rastrear modelos, métricas y parámetros con MLflow Tracking, empaquetar código reproducible ML utilizando MLflow Projects, crear y desplegar modelos utilizando MLflow Models, y almacenar y controlar versiones de modelos utilizando Model Registry.

A medida que avances en el curso, también aprenderás las mejores prácticas de uso del flujo MLpara versionar modelos, cómo evaluar modelos, añadir personalizaciones a los modelos y cómo construir la automatización en las ejecuciones de entrenamiento. Este curso te preparará para el éxito en la gestión del ciclo de vida de tu próxima aplicación de Aprendizaje Automático.