Primero, conocerás las características básicas de MLOps. Explorarás el ciclo de vida del machine learning, sus fases y los roles asociados a los procesos de MLOps.

¿Qué es MLOps?

Explicación de los MLOP

Principios MLOps

Diferentes fases en MLOps

El ciclo de vida de ML

Tareas por fase

Funciones en MLOps

Tu equipo MLOps

Funciones básicas en los procesos MLOps

Introducción a MLOps

Después, aprenderás sobre la fase de diseño y desarrollo en el ciclo de vida del machine learning. Verás la estimación de valor añadido, la calidad de los datos, los feature stores y el seguimiento de experimentos.

Diseño de MLOps

Identificar los requisitos empresariales

Métricas clave

Calidad e ingestión de datos

Determinar la calidad de los datos

Dimensiones de la calidad de los datos

Ingeniería de caracteristicas (Feature engineering)

Mejorar el rendimiento de los modelos

Ayudar a un amigo

Seguimiento de experimentos

¿Qué podemos rastrear?

Saltarse el seguimiento del experimento

Diseño y desarrollo

En este capítulo, profundizarás en conceptos relevantes para desplegar machine learning en producción, como entornos de ejecución, contenedorización, canalizaciones CI/CD y estrategias de despliegue.

Preparar el modelo para el despliegue

Entornos de tiempo de ejecución

Contenedorizar o no contenerizar

Arquitectura de despliegue del aprendizaje automático

Microservicio

Proceso de solicitud API

Flujo de datos de la API

CI/CD y estrategia de despliegue

CI/CD conductos

Opciones

Despliegue básico

Despliegue en la sombra

Despliegue canario

Estrategias de despliegue

Automatización y escalado

Contenedorización

CI/CD tubería

Cómo automatizar y escalar los componentes

Componentes MLOps

Despliegue de Machine Learning en producción

Por último, aprenderás a mantener el machine learning en producción, con conceptos como monitoreo estadístico y computacional, reentrenamiento, diferentes niveles de madurez de MLOps y herramientas que pueden utilizarse en el ciclo de vida del machine learning para simplificar procesos.

Monitorización de modelos de aprendizaje automático

Supervisión del aprendizaje automático

Seguimiento estadístico vs. computacional

Reentrenar un modelo de aprendizaje automático

Ejemplos de deriva

Reentrenamiento

Niveles de madurez de los MLOps

Madurez de los MLOps

Niveles de madurez MLOps

Herramientas MLOps

Utilizar una herramienta

Elige la herramienta adecuada

Recapitula: Conceptos MLOps

Mantenimiento de Machine Learning en producción

Course Glossary

Entender las Operaciones de Machine Learning (MLOps) es esencial para que cualquier científico de datos, ingeniero o líder lleve los modelos de machine learning de un notebook local a un modelo funcionando en producción. Este curso te presenta los procesos, fases y niveles clave de MLOps, incluidos el diseño, el desarrollo, el despliegue y el monitoreo. Verás cómo la automatización permite a las organizaciones lanzar, supervisar y actualizar sus modelos de machine learning de forma eficiente.

Los vídeos incluyen transcripciones en vivo que puedes mostrar haciendo clic en "Show transcript" en la parte inferior izquierda de los vídeos.									
El glosario del curso se encuentra a la derecha, en la sección de recursos.				
					
Para obtener créditos CPE, necesitas completar el curso y alcanzar una puntuación del 70% en la evaluación habilitada. Puedes acceder a la evaluación haciendo clic en el aviso de créditos CPE en la derecha.									

<h2>Infórmate sobre las operaciones de machine learning (MLOps)</h2>
Comprender los conceptos de MLOps es esencial para que cualquier científico de datos, ingeniero o líder pueda llevar los modelos de machine learning de un cuaderno local a un modelo funcional en producción.
<br><br>
En este curso, aprenderás qué son los MLOps, comprenderás las distintas fases de los procesos MLOps e identificarás los diferentes niveles de madurez de los MLOps. Tras conocer los conceptos esenciales de MLOps, estarás bien equipado en tu viaje para implantar el machine learning de forma continua, fiable y eficaz.
<br><br>
<h2>Descubre cómo se puede escalar y automatizar el machine learning</h2>
¿Cómo podemos ampliar nuestros proyectos de machine learning empleando el mínimo de tiempo y recursos? ¿Y cómo podemos automatizar nuestros procesos para reducir la necesidad de intervención manual y mejorar el rendimiento del modelo? Éstas son preguntas fundamentales del machine learning a las que MLOps da respuesta.
<br><br>
En este curso de MLOps, empezarás explorando los fundamentos de MLOps, examinando las características principales y las funciones asociadas. A continuación, explorarás con más detalle las distintas fases del ciclo de vida del machine learning.
<br><br>
A medida que avances, también aprenderás sobre sistemas y herramientas para escalar y automatizar mejor las operaciones de machine learning, incluidos los almacenes de características, el seguimiento de experimentos, los conductos CI/CD, los microservicios y la contenedorización. Explorarás conceptos clave de MLOps, lo que te proporcionará una comprensión más firme de sus aplicaciones.

Understanding Machine Learning

Understanding Data Engineering

Descubre cómo MLOps lleva modelos de aprendizaje automático a producción generando valor empresarial.

Conceptos de MLOps

Descubre cómo los MLOps llevan los modelos de machine learning del cuaderno a modelos funcionales en producción que generan valor empresarial real.

Ingeniero Asociado de IA para Científicos de Datos

Ingeniero de Aprendizaje Automático

Machine learning en la producción en Python

Fundamentos de MLOps

CI/CD conductos

Conceptos de MLOps

ejercicio interactivo práctico