Programa del Curso
Introducción
- Modelos de Aprendizaje Automático frente a software tradicional
Descripción general del flujo de trabajo DevOps
Descripción general del flujo de trabajo de Aprendizaje Automático
ML como Código más Datos
Componentes de un sistema de ML
Estudio de caso: Una aplicación de pronóstico de ventas
Acceso a 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 entrenamiento del modelo
Implementación de un modelo
Suministro de un modelo entrenado a producción
Prueba de un sistema de ML
Orquestación de entrega continua
Monitoreo del modelo
Versionamiento de datos
Adaptación, escalamiento y mantenimiento de una plataforma MLOps
Solución de problemas
Resumen y conclusión
Requerimientos
- Una comprensión del ciclo de desarrollo de software
- Experiencia construyendo o trabajando con modelos de Machine Learning
- Familiaridad con la programación en Python
Público Objetivo
- Ingenieros de ML
- Ingenieros DevOps
- Ingenieros de datos
- Ingenieros de infraestructura
- Desarrolladores de software
Testimonios (3)
Hubo muchos ejercicios prácticos supervisados y asistidos por el formador
Aleksandra - Fundacja PTA
Curso - Mastering Make: Advanced Workflow Automation and Optimization
Traducción Automática
el ecosistema de ML no solo incluye MLFlow sino también Optuna, hyperops, docker y docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curso - MLflow
Traducción Automática
Disfruté participar en el entrenamiento Kubeflow, que se llevó a cabo de forma remota. Este entrenamiento me permitió consolidar mis conocimientos sobre los servicios de AWS, K8s y todas las herramientas DevOps relacionadas con Kubeflow, que son las bases necesarias para abordar adecuadamente el tema. Quiero agradecer a Malawski Marcin por su paciencia y profesionalismo en la formación y en la orientación sobre las mejores prácticas. Malawski aborda el tema desde diferentes ángulos, utilizando distintas herramientas de implementación Ansible, EKS kubectl, Terraform. Ahora estoy definitivamente convencido de que me dirijo al campo de aplicación correcto.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curso - Kubeflow
Traducción Automática