Programa del Curso

Introducción

  • Machine Learning Modelos vs software tradicional

Descripción general del flujo de trabajo DevOps

Descripción general del flujo de trabajo Machine Learning

ML como código más datos

Componentes de un sistema de aprendizaje automático

Estudio de caso: Una aplicación de ventas Forecasting

Accessing Datos

Validación de datos

Transformación de datos

De la canalización de datos a la canalización de ML

Construcción del modelo de datos

Entrenamiento del modelo

Validación del modelo

Reproducción del modelo de entrenamiento

Implementación de un modelo

Servir un modelo entrenado a producción

Prueba de un sistema de aprendizaje automático

Orquestación de entrega continua

Supervisión del modelo

Control de versiones de datos

Adaptación, escalado y mantenimiento de una MLOps plataforma

Solución de problemas

Resumen y conclusión

Requerimientos

  • Comprensión del ciclo de desarrollo de software
  • Experiencia construyendo o trabajando con Machine Learning modelos
  • Familiaridad con Python la programación

Audiencia

  • Ingenieros de ML
  • DevOps ingenieros
  • Ingenieros de datos
  • Ingenieros de infraestructuras
  • Desarrolladores de software
 35 Horas

Número de participantes


Precio por Participante​

Testimonios (3)

Próximos cursos

Categorías Relacionadas