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

Enseñado por

Etiquetas