or
Este ejercicio forma parte del curso
En este primer capítulo se presentará MLOps y por qué es necesario para las empresas que quieren diseñar, desarrollar y operar múltiples aplicaciones de machine learning de forma simultánea. Conocerás los elementos principales de MLOps, como el escalado y la automatización, sus beneficios y por qué MLOps sigue siendo un reto. También explorarás qué hace falta para iniciar el camino de MLOps tanto desde la perspectiva tecnológica como de gestión.
En el segundo capítulo, aprenderás todo el ciclo de vida de MLOps: desde el diseño y el desarrollo hasta el despliegue y las operaciones. Verás por qué la monitorización es esencial para aplicaciones productivas de machine learning y por qué debemos reentrenar los modelos de machine learning de forma regular.
En el tercer capítulo, pasarás de la teoría a la práctica y descubrirás los principales desafíos y riesgos de desplegar modelos de machine learning. También aprenderás cómo operan con éxito los equipos de MLOps y qué puede hacer la dirección para favorecer un escalado exitoso del machine learning.
El capítulo final mostrará cómo impulsar con éxito el inicio del camino de MLOps en tu empresa, comentando buenas prácticas y errores que debes evitar. Para terminar, examinarás los diferentes niveles de madurez de MLOps y cerrarás el curso con un caso real sobre el diseño, desarrollo y operación de una aplicación de machine learning para procesos críticos de producción.
Ejercicio actual