Saltar al contenido principal
InicioMachine LearningConceptos MLOps

Conceptos MLOps

Comience El Curso Gratis
2 Horas16 Videos47 Ejercicios
13.208 AprendicesTrophyDeclaración de cumplimiento

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.
Group¿Entrenar a 2 o más personas?Pruebe DataCamp para empresas

Preferido por estudiantes en miles de empresas


Descripción del curso

Comprender las operaciones de machine learning (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. Este curso te introduce en los procesos, fases y niveles clave de los MLOps, incluidos el diseño, el desarrollo, la implantación y la supervisión. Descubrirás cómo la automatización permite a las organizaciones lanzar, supervisar y actualizar eficazmente sus modelos de machine learning.
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más
Pruebe DataCamp Para EmpresasPara obtener una solución a medida, reserve una demostración.

En las siguientes pistas

Ingeniero de Machine Learning

Ir a la pista

Machine Learning in Production in Python

Ir a la pista

Fundamentos de MLOps

Ir a la pista
  1. 1

    Introducción a los MLOps

    Gratuito

    En 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.

    Reproducir Capítulo Ahora
    ¿Qué es MLOps?
    50 xp
    ¿Qué no es MLOps?
    50 xp
    WhatOps ¿para qué?
    100 xp
    Diferentes fases en MLOps
    50 xp
    El ciclo de vida del ML
    50 xp
    Tareas por fase
    100 xp
    Funciones en MLOps
    50 xp
    Tu equipo MLOps
    50 xp
    Funciones básicas en los procesos MLOps
    100 xp
  2. 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.

    Reproducir Capítulo Ahora
  3. 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.

    Reproducir Capítulo Ahora
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más

En las siguientes pistas

Ingeniero de Machine Learning

Ir a la pista

Machine Learning in Production in Python

Ir a la pista

Fundamentos de MLOps

Ir a la pista

Colaboradores

Collaborator's avatar
George Boorman
Collaborator's avatar
James Chapman
Collaborator's avatar
Arne Warnke

Requisitos Previos

Understanding Machine LearningUnderstanding Data Engineering
Folkert Stijnman HeadshotFolkert Stijnman

ML Engineer

Ver Mas

¿Qué tienen que decir otros alumnos?

¡Únete a 13 millones de estudiantes y empieza Conceptos MLOps hoy mismo!

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.