or
Este ejercicio forma parte del curso
En este primer capítulo, motivamos el uso de MLOps en un entorno industrial. Aprenderás por qué es clave para generar valor en las empresas. También repasarás las etapas de ML, centrándote en cómo MLOps las potencia. Al final del capítulo, explorarás una arquitectura de referencia para un sistema de MLOps totalmente automatizado. Usarás esta arquitectura para conocer los componentes importantes de cualquier sistema de MLOps y como punto de partida para el resto del curso.
En este capítulo, continuarás explorando los componentes críticos que componen un sistema de MLOps totalmente automatizado. Primero, revisarás la importancia de la orquestación en MLOps y cómo ayuda a garantizar la eficiencia y la escalabilidad de los pipelines de ML. Después, analizarás las distintas estrategias de despliegue en MLOps y aprenderás a elegir la adecuada para tu sistema. Por último, aprenderás sobre CI/CD/CT/CM y cómo complementa la orquestación y las buenas prácticas para lograr una automatización completa en sistemas de MLOps. Con estas lecciones, estarás mejor preparado para crear un sistema de MLOps totalmente automatizado que sea eficiente, preciso y fiable.
En este capítulo, te adentrarás en el mundo de la automatización y aprenderás a diseñar sistemas de ML más resilientes y eficientes. Empezarás entendiendo los fundamentos de la automatización en sistemas de MLOps y, a continuación, descubrirás el poder de los patrones de diseño y los mecanismos a prueba de fallos. También aprenderás a implementar pruebas automatizadas en sistemas de MLOps y a usar el ajuste de hiperparámetros para optimizar tus modelos y flujos de trabajo. Al finalizar, contarás con las habilidades y el conocimiento necesarios para crear y gestionar sistemas de MLOps totalmente automatizados que sean a la vez eficientes y fiables.
En este capítulo final, profundizarás en los componentes clave de una arquitectura de MLOps automatizada. Desde comprender el seguimiento automatizado de experimentos y el registro de modelos hasta explorar el feature store y el papel del metadata store, este capítulo está diseñado para darte una visión completa de las particularidades de un sistema de MLOps totalmente automatizado. Tanto si ya tienes experiencia en ML como si estás empezando, este capítulo te proporcionará los conocimientos y habilidades necesarios para diseñar flujos de trabajo de MLOps automatizados.
Ejercicio actual