Programa del Curso

Introducción

  • Machine Learning Modelos frente a software tradicional

Descripción general del DevOps flujo de trabajo

Descripción general del flujo de trabajo Machine Learning

ML como código más datos

Componentes de un sistema de aprendizaje automático

Caso de estudio: Una aplicación de ventas Forecasting

Access Datos

Validación de datos

Transformación de datos

De la canalización de datos a la canalización de ML

Creación 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 plataforma MLOps

Solución de problemas

Resumen y conclusión

Requerimientos

  • Comprensión del ciclo de desarrollo de software
  • Experiencia en la creación o el trabajo con modelos de aprendizaje automático
  • Familiaridad con Python programación

Audiencia

  • Ingenieros de ML
  • DevOps Ingenieros
  • Ingenieros de datos
  • Ingenieros de infraestructuras
  • Desarrolladores de software
  35 horas
 

Número de participantes


Comienza

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (3)

Cursos Relacionados

Categorías Relacionadas