Conceptos MLOps
Descubre cómo MLOps lleva modelos de aprendizaje automático a producción generando valor empresarial real.
Comience El Curso Gratis2 horas16 vídeos46 ejercicios19.760 aprendicesDeclaración de cumplimiento
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?
Probar DataCamp for BusinessPreferido por estudiantes en miles de empresas
Descripción del curso
Infórmate sobre las operaciones de machine learning (MLOps)
Comprender los conceptos de MLOps es esencial para que cualquier científico de datos, ingeniero o líder pueda llevar los modelos de machine learning de un cuaderno local a un modelo funcional en producción.En este curso, aprenderás qué son los MLOps, comprenderás las distintas fases de los procesos MLOps e identificarás los diferentes niveles de madurez de los MLOps. Tras conocer los conceptos esenciales de MLOps, estarás bien equipado en tu viaje para implantar el machine learning de forma continua, fiable y eficaz.
Descubre cómo se puede escalar y automatizar el machine learning
¿Cómo podemos ampliar nuestros proyectos de machine learning empleando el mínimo de tiempo y recursos? ¿Y cómo podemos automatizar nuestros procesos para reducir la necesidad de intervención manual y mejorar el rendimiento del modelo? Éstas son preguntas fundamentales del machine learning a las que MLOps da respuesta.En este curso de MLOps, empezarás explorando los fundamentos de MLOps, examinando las características principales y las funciones asociadas. A continuación, explorarás con más detalle las distintas fases del ciclo de vida del machine learning.
A medida que avances, también aprenderás sobre sistemas y herramientas para escalar y automatizar mejor las operaciones de machine learning, incluidos los almacenes de características, el seguimiento de experimentos, los conductos CI/CD, los microservicios y la contenedorización. Explorarás conceptos clave de MLOps, lo que te proporcionará una comprensión más firme de sus aplicaciones.
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Ingeniero Asociado de IA para Científicos de Datos
Ir a la pistaIngeniero de Aprendizaje Automático
Ir a la pistaMachine learning en la producción en Python
Ir a la pista- 1
Introducción a los MLOps
GratuitoEn primer lugar, conocerás las características principales de MLOps. Explorarás el ciclo de vida del machine learning, sus fases y las funciones asociadas a los procesos MLOps.
- 2
Diseño y desarrollo
A continuación, aprenderás sobre la fase de diseño y desarrollo en el ciclo de vida del machine learning. Explorarás la estimación del valor añadido, la calidad de los datos, los almacenes de características y el seguimiento de experimentos.
Diseño de MLOps50 xpDeterminar el valor añadido50 xpKey metrics100 xpData quality and ingestion50 xpDetermining data quality50 xpData quality dimensions100 xpFeature engineering50 xpImproving model performance50 xpHelping a friend100 xpExperiment tracking50 xpWhat can we track?50 xp¿Qué podemos programar?50 xp - 3
Despliegue del machine learning en la producción
En este capítulo, te sumergirás en los conceptos relevantes para desplegar el machine learning en producción, como los entornos de ejecución, la contenerización, los conductos CI/CD y las estrategias de despliegue.
Preparar el modelo para el despliegue50 xpEntornos de tiempo de ejecución50 xpTo containerize or not to containerize50 xpArquitectura de despliegue del machine learning50 xpMicroservicio50 xpFlujo de datos de la API100 xpCI/CD y estrategia de despliegue50 xpCanalizaciones CI/CD50 xpEstrategias de despliegue100 xpAutomatización y escalado50 xpCómo automatizar y escalar los componentes100 xpComponentes MLOps50 xp - 4
Mantener el machine learning en producción
Por último, aprenderás a mantener el machine learning en producción, con conceptos como la supervisión estadística y computacional, el reentrenamiento, los distintos niveles de madurez de MLOps y las herramientas que pueden utilizarse dentro del ciclo de vida del machine learning para simplificar los procesos.
Monitorización de modelos de machine learning50 xpMonitorización del machine learning50 xpSeguimiento estadístico vs. computacional100 xpReentrenar un modelo de machine learning50 xpEjemplos de deriva100 xpReentrenamiento50 xpNiveles de madurez de los MLOps50 xpMadurez de los MLOps50 xpNiveles de madurez MLOps100 xpHerramientas MLOps50 xpUtilizar una herramienta50 xpElige la herramienta adecuada100 xpRecapitula: Conceptos MLOps50 xp
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Ingeniero Asociado de IA para Científicos de Datos
Ir a la pistaIngeniero de Aprendizaje Automático
Ir a la pistaMachine learning en la producción en Python
Ir a la pistaEn otras pistas
Fundamentos de MLOpscolaboradores
Folkert Stijnman
Ver MásML Engineer
¿Qué tienen que decir otros alumnos?
¡Únete a 15 millones de estudiantes y empieza Conceptos MLOps hoy mismo!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.