MLOps Sin Mucha Operación - Construyendo Sistemas de Aprendizaje Automático Eficientes

Resumen

Descubra las canalizaciones de datos modernas y directas para sistemas de aprendizaje automático eficientes. Aprenda las ventajas de PaaS y explore aplicaciones del mundo real con código abierto.

Obtenga información sobre el futuro del aprendizaje automático para organizaciones de todos los tamaños.

Programa de estudio

• Introducción a MLOps
Comprensión de MLOps y su Importancia
Visión General de Personas, Procesos y Tecnología en MLOps
• Tuberías de Datos Modernas
Componentes de una Tubería de Datos
Diseño de Flujos de Trabajo Eficientes
Integración de Fuentes de Datos
• Sistemas de Aprendizaje Automático sin Operaciones Pesadas
Introducción a la Plataforma como Servicio (PaaS)
Beneficios y Compromisos de las Soluciones PaaS para ML
Estudios de Caso: PaaS en Acción
• Construcción y Despliegue de Modelos
Evaluación de Herramientas de Código Abierto para ML
Taller Práctico: Despliegue de Modelos con PaaS
Automatización del Despliegue: CI/CD para Modelos de ML
• Aplicaciones del Mundo Real y Exploración de Código
Recorridos de Código Fuente
Errores Comunes en Soluciones de MLOps
Historias de Éxito de Diferentes Industrias
• Mantenimiento y Monitoreo de Sistemas de ML
Mejores Prácticas para el Monitoreo de Modelos
Bucles de Retroalimentación y Reentrenamiento de Modelos
Manejo de Desviaciones y Anomalías
• Futuro del ML en las Organizaciones
Tendencias Emergentes en MLOps
Escalando Prácticas de MLOps para Grandes Empresas
Implicaciones para Organizaciones Pequeñas y Medianas
• Revisión del Curso y Proyecto Final
Directrices y Objetivos del Proyecto
Desarrollo de una Estrategia Integral de MLOps
Sesión de Presentación y Retroalimentación

---

Asignaturas

Ciencia de Datos