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.
Duración 14 horas
Temario del curso
Introducción a los modelos Devstral y Mistral
- Resumen de los modelos de código abierto de Mistral
- Licencia Apache-2.0 y adopción empresarial
- El papel de Devstral en flujos de trabajo de codificación y agentes
Autoalojamiento de los modelos Mistral y Devstral
- Preparación del entorno y opciones de infraestructura
- Contenerización y despliegue con Docker/Kubernetes
- Consideraciones de escalabilidad para el uso en producción
Técnicas de ajuste fino
- Ajuste fino supervisado vs. ajuste eficiente en parámetros
- Preparación y limpieza de conjuntos de datos
- Ejemplos de personalización específica del dominio
Model Ops y versionado
- Mejores prácticas para la gestión del ciclo de vida del modelo
- Versionado de modelos y estrategias de reversión
- Pipelines CI/CD para modelos de ML
Gobernanza y cumplimiento
- Consideraciones de seguridad para el despliegue de código abierto
- Monitoreo y capacidad de auditoría en contextos empresariales
- Marcos de cumplimiento y prácticas de IA responsable
Monitoreo y observabilidad
- Seguimiento de la deriva del modelo y la degradación de la precisión
- Instrumentación para el rendimiento de la inferencia
- Flujos de trabajo de alertas y respuesta
Estudios de caso y mejores prácticas
- Casos de uso en la industria de la adopción de Mistral y Devstral
- Equilibrio entre costo, rendimiento y control
- Lecciones aprendidas del Model Ops de código abierto
Resumen y próximos pasos
Requerimientos
- Conocimiento de los flujos de trabajo de aprendizaje automático
- Experiencia con frameworks de ML basados en Python
- Conocimiento de la contenerización y los entornos de despliegue
Público objetivo
- Ingenieros de ML
- Equipos de plataformas de datos
- Ingenieros de investigación
