Contacta con nosotros

Temario del curso

Introducción a los modelos Devstral y Mistral

  • Visión general de los modelos de código abierto de Mistral.
  • Licenciamiento 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.
  • Contenedorización y despliegue con Docker/Kubernetes.
  • Consideraciones de escalabilidad para el 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.

Gestión de Model Ops y control de versiones

  • Mejores prácticas para la gestión del ciclo de vida de los modelos.
  • Estrategias de control de versiones y retroceso de modelos.
  • Pipelines de CI/CD para modelos de ML.

Gobernanza y cumplimiento normativo

  • Consideraciones de seguridad para el despliegue de código abierto.
  • Monitoreo y auditabilidad en contextos empresariales.
  • Marcos 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 frameworks de ML basados en Python.
  • Conocimiento sobre contenedorización y entornos de despliegue.

Público objetivo

  • Ingenieros de ML.
  • Equipos de plataformas de datos.
  • Ingenieros de investigación.
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas