Lo que necesitas saber antes de
que comiences

Comienza 24 June 2025 00:13

Termina 24 June 2025

00 Días
00 Horas
00 Minutos
00 Segundos
course image

Uso de MLflow y Databricks para Desplegar Modelos de ML en Producción

Explora MLflow y Databricks para el despliegue de modelos de ML en producción. Aprende sobre la gestión integral, el seguimiento de modelos y las estrategias de despliegue, además del Feature Store y AutoML de Databricks.
Data Science Festival via YouTube

Data Science Festival

2753 Cursos


58 minutes

Actualización opcional disponible

Not Specified

Progreso a tu propio ritmo

Free Video

Actualización opcional disponible

Resumen

Explora MLflow y Databricks para el despliegue de modelos de ML en producción. Aprende sobre la gestión integral, el seguimiento de modelos y las estrategias de despliegue, además del Feature Store y AutoML de Databricks.

Programa de estudio

  • **Introducción a MLflow y Databricks**
  • Panorama general de MLflow
    Introducción a la plataforma Databricks
    Comprensión del flujo de trabajo de ML en producción
  • **MLflow para la gestión de modelos**
  • Instalación y configuración de MLflow
    Seguimiento de experimentos y ejecuciones
    Gestión de modelos de ML con el registro de MLflow
  • **Estrategias de despliegue de modelos**
  • Despliegue por lotes vs. Tiempo real
    Desplegando modelos con MLflow
    Gestión de versiones y revisiones de modelos
  • **Integración de Databricks con MLflow**
  • Configuración de MLflow con Databricks
    Registro y seguimiento de experimentos en Databricks
    Utilización de Notebooks de Databricks para experimentos de ML
  • **Feature Store de Databricks**
  • Introducción a los Feature Stores
    Gestión de características en Databricks
    Reutilización y compartición de características
  • **AutoML en Databricks**
  • Panorama general de AutoML
    Uso de AutoML de Databricks para entrenamiento automático de modelos
    Evaluación y despliegue de modelos AutoML
  • **Aplicación en el mundo real y estudios de caso**
  • Estudio de caso: Despliegue de modelos de extremo a extremo
    Mejores prácticas para el despliegue de ML
    Desafíos y resolución de problemas en producción
  • **Conclusión y tendencias futuras**
  • Tendencias futuras en el despliegue de modelos de ML
    Características avanzadas en Databricks y MLflow
    Estrategias de aprendizaje y mejora continua

Asignaturas

Ciencia de Datos