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 al despliegue en producción
- Principales desafíos al desplegar modelos ajustados.
- Diferencias entre entornos de desarrollo y producción.
- Herramientas y plataformas para el despliegue de modelos.
Preparación de los modelos para el despliegue
- Exportación de modelos en formatos estándar (ONNX, TensorFlow SavedModel, etc.).
- Optimización de los modelos para reducir la latencia y aumentar el rendimiento.
- Pruebas de los modelos ante casos extremos y datos del mundo real.
Contenerización para el despliegue de modelos
- Introducción a Docker.
- Creación de imágenes de Docker para modelos de ML.
- Mejores prácticas para la seguridad y eficiencia de los contenedores.
Escalar los despliegues con Kubernetes
- Introducción a Kubernetes para cargas de trabajo de IA.
- Configuración de clústeres de Kubernetes para el alojamiento de modelos.
- Balanceo de cargas y escalado horizontal.
Supervisión y mantenimiento de los modelos
- Implementación de la supervisión con Prometheus y Grafana.
- Registro automatizado para el rastreo de errores y rendimiento.
- Pipelines de readiestramiento para gestionar la deriva del modelo y realizar actualizaciones.
Garantizar la seguridad en producción
- Protección de las API para la inferencia de modelos.
- Mecanismos de autenticación y autorización.
- Abordaje de los problemas de privacidad de datos.
Casos prácticos y laboratorioshands-on
- Despliegue de un modelo de análisis de sentimiento.
- Escalar un servicio de traducción automática.
- Implementar supervisión para modelos de clasificación de imágenes.
Resumen y próximos pasos
Requerimientos
- Conocimiento sólido de los flujos de trabajo de aprendizaje automático.
- Experiencia con el ajuste (fine-tuning) de modelos de ML.
- Dominio de los principios DevOps o MLOps.
Audiencia objetivo
- Ingenieros DevOps.
- Especialistas en MLOps.
- Profesionales dedicados al despliegue de IA.
21 Horas
Reseñas (2)
El conocimiento y experiencia del consultor ya que se abordan los temas teóricos aplicándolos a la realidad de los procesos. El curso contiene un programa de mucho valor en la gestión de las tecnologías de información.
Luis Castro Gamboa - Cooperativa De Ahorro Y Credito Ande No. 1 R.L.
Curso - Site Reliability Engineering (SRE) Foundation®
Que fue muy claro en cada especificación
