Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a los modelos Devstral y Mistral
- Resumen de los modelos de código abierto de Mistral.
- Licencia Apache-2.0 y adopción empresarial.
- El papel de Devstral en flujos de trabajo de codificación y agentes.
Autoalojamiento de los modelos Mistral y Devstral
- Preparación del entorno y elección de infraestructura.
- Contenedores y despliegue con Docker/Kubernetes.
- Consideraciones de escalabilidad para uso en producción.
Técnicas de ajuste fino
- Ajuste fino supervisado frente a ajuste eficiente en parámetros.
- Preparación y limpieza de conjuntos de datos.
- Ejemplos de personalización para dominios específicos.
Model Ops y versionado
- Mejores prácticas para la gestión del ciclo de vida del modelo.
- Estrategias de versionado y reversión de modelos.
- Pipelines CI/CD para modelos de ML.
Gobernanza y cumplimiento normativo
- Consideraciones de seguridad para el despliegue de código abierto.
- Monitoreo y auditoría en contextos empresariales.
- Marco de cumplimiento y prácticas de IA responsable.
Monitoreo y observabilidad
- Rastreo de la deriva del modelo y la degradación de la precisión.
- Instrumentación para el rendimiento de inferencia.
- Flujos de trabajo de alertas y respuesta.
Casos de estudio y mejores prácticas
- Casos de uso industriales de la adopción de Mistral y Devstral.
- Equilibrio entre costo, rendimiento y control.
- Lecciones aprendidas en Model Ops de código abierto.
Resumen y próximos pasos
Requerimientos
- Comprensión de los flujos de trabajo de aprendizaje automático.
- Experiencia con marcos de ML basados en Python.
- Familiaridad con contenedores y entornos de despliegue.
Audiencia objetivo
- Ingenieros de ML.
- Equipos de plataformas de datos.
- Ingenieros de investigación.
14 Horas
