Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción al Despliegue de IA
- Visión general del ciclo de vida del despliegue de IA
- Desafíos en el despliegue de agentes de IA en producción
- Consideraciones clave: escalabilidad, fiabilidad y mantenibilidad
Contenerización y Orquestación
- Introducción a Docker y los fundamentos de la contenerización
- Uso de Kubernetes para la orquestación de agentes de IA
- Mejores prácticas para la gestión de aplicaciones de IA contenerizadas
Servicio de Modelos de IA
- Visión general de los marcos de servicio de modelos (p. ej., TensorFlow Serving, TorchServe)
- Construcción de APIs REST para la inferencia de agentes de IA
- Gestión de predicciones por lotes frente a predicciones en tiempo real
CI/CD para Agentes de IA
- Configuración de pipelines CI/CD para despliegues de IA
- Automatización de pruebas y validación de modelos de IA
- Actualizaciones graduales y gestión del control de versiones
Monitoreo y Optimización
- Implementación de herramientas de monitoreo para el rendimiento de los agentes de IA
- Análisis de la deriva del modelo y necesidades de reentrenamiento
- Optimización de la utilización de recursos y la escalabilidad
Seguridad y Gobernanza
- Asegurar el cumplimiento de las regulaciones de privacidad de datos
- Seguridad de los pipelines de despliegue de IA y las APIs
- Auditoría y registro (logging) para aplicaciones de IA
Actividades Prácticas
- Contenerización de un agente de IA con Docker
- Despliegue de un agente de IA utilizando Kubernetes
- Configuración de monitoreo para el rendimiento de la IA y el uso de recursos
Resumen y Próximos Pasos
Requerimientos
- Proficiencia en programación con Python
- Comprensión de los flujos de trabajo de aprendizaje automático
- Conocimiento de herramientas de contenerización como Docker
- Experiencia con prácticas DevOps (recomendado)
Público Objetivo
- Ingenieros MLOps
- Profesionales de DevOps
14 Horas
