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 a los Modelos Devstral y Mistral
- Visión general de los modelos de código abierto de Mistral
- Licenciamiento Apache-2.0 y adopción empresarial
- Papel de Devstral en flujos de trabajo de codificación y agentes (agentic)
Autoalojamiento de Modelos Mistral y Devstral
- Preparación del entorno y opciones de infraestructura
- Contenerización y despliegue con Docker/Kubernetes
- Consideraciones de escalado para el uso en producción
Técnicas de Ajuste Fino
- Ajuste fino supervisado frente a 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
- Estrategias de versionado y reversionado del modelo
- Pipelines CI/CD para modelos de ML
Gobernanza y Cumplimiento Normativo
- Consideraciones de seguridad para el despliegue de código abierto
- Monitoreo y auditabilidad en contextos empresariales
- Marco de cumplimiento normativo y prácticas de IA responsable
Monitoreo y Observabilidad
- Rastreo de la deriva del modelo y degradación de la precisión
- Instrumentación para el rendimiento de inferencia
- Trabajos de trabajo de alerta y respuesta
Casos de Estudio y Mejores Prácticas
- Usos industriales de la adopción de Mistral y Devstral
- Equilibrio entre costo, rendimiento y control
- Lecciones aprendidas en Model Ops de código abierto
Resumen y Próximos Pasos
Requerimientos
- Comprensión de los flujos de trabajo de aprendizaje automático
- Experiencia con marcos de ML basados en Python
- Familiaridad con la contenerización y los entornos de despliegue
Público objetivo
- Ingenieros de ML
- Equipos de plataformas de datos
- Ingenieros de investigación
14 Horas
