Qué necesitas saber antes de
comenzar

Inicio 4 June 2026 02:40

Fin 4 June 2026

00 Días
00 Horas
00 Minutos
00 Segundos
course image

AIOps: CI/CD para Sistemas de IA

AIOps: CI/CD para Sistemas de IA | Pluralsight Desbloquea el potencial de los sistemas de IA dominando las complejidades de las canalizaciones CI/CD diseñadas específicamente para el Aprendizaje Automático (ML), la Inteligencia Artificial (IA) y los Modelos de Lenguaje Extendido (LLMs). Este curso en Pluralsight te guiará con maestría a través d.
via Pluralsight

659 Cursos


28 minutes

Actualización opcional disponible

Not Specified

Avanza a tu propio ritmo

Free Trial Available

Actualización opcional disponible

Resumen

DevOps is a concept that has been around a long time and has been applied to ML and, recently, LLMs. In this course, AIOps:

CI/CD for AI Systems, you’ll learn to apply CI/CD, a fundamental concept of DevOps, to ML, AI, and LLMs.

First, you’ll explore how CI/CD pipelines work with ML models. Next, you’ll discover how to deploy to cloud environments using a CI/CD pipeline.

Finally, you’ll learn how to automatically test the pipeline at all stages. When you’re finished with this course, you’ll have the skills and knowledge of CI/CD pipelines needed to produce and apply these pipelines to your own ML/AI/LLM models.

Programa

  • Introducción a AIOps y CI/CD para IA
  • Resumen de los principios de DevOps
    Introducción a los conceptos de CI/CD
    Importancia de CI/CD en IA y ML
  • Pipelines de CI/CD para Modelos de Aprendizaje Automático
  • Diseño de un pipeline de CI/CD para ML
    Herramientas y plataformas para CI/CD de ML (Jenkins, GitLab, etc.)
    Control de versiones y seguimiento de modelos (Git, DVC)
  • Implementación de Pipelines de CI/CD para IA
  • Integración de CI/CD con flujos de trabajo de aprendizaje automático
    Automatización de la preprocesamiento de datos y la ingeniería de características
    Entrenamiento y validación continua de modelos
  • Despliegue de Modelos de IA con CI/CD
  • Estrategias para desplegar modelos de ML en entornos en la nube
    Uso de servicios en la nube (AWS, Azure, GCP) para el despliegue de modelos
    Infraestructura como código para sistemas de IA (Terraform, Ansible)
  • CI/CD para Modelos de Lenguaje Grande (LLMs)
  • Consideraciones especiales para LLMs en CI/CD
    Técnicas para un despliegue eficiente de LLM
    Monitoreo y actualización de LLMs desplegados
  • Pruebas en Pipelines de CI/CD
  • Marcos de pruebas automáticas y estrategias
    Pruebas unitarias y de integración para sistemas de IA
    Garantía de rendimiento y confiabilidad del modelo a través de pruebas
  • Temas Avanzados de CI/CD
  • Manejo del desplazamiento de datos y reentrenamiento de modelos
    Implementación de pruebas A/B y lanzamientos canarios para modelos de IA
    Seguridad y cumplimiento en pipelines de CI/CD de IA
  • Estudios de Caso y Aplicaciones del Mundo Real
  • Evaluación de implementaciones exitosas de CI/CD en IA
    Lecciones aprendidas de líderes de la industria
  • Conclusión del Curso y Aplicación Práctica
  • Mejores prácticas para CI/CD en el desarrollo de IA
    Proyecto práctico: Construyendo un pipeline de CI/CD para un modelo de IA de muestra

Impartido por

David Harris


Materias

Computer Science