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 en Producción
- Principales desafíos al desplegar modelos finetuneados.
- Diferencias entre los entornos de desarrollo y de producción.
- Herramientas y plataformas para el despliegue de modelos.
Preparación de Modelos para el Despliegue
- Exportación de modelos en formatos estándar (ONNX, TensorFlow SavedModel, etc.).
- Optimización de los modelos para latencia y rendimiento.
- Pruebas de los modelos en casos límite y datos reales.
Contenerización para el Despliegue de Modelos
- Introducción a Docker.
- Creación de imágenes Docker para modelos de ML.
- Mejores prácticas para la seguridad y eficiencia de los contenedores.
Escalar Despliegues con Kubernetes
- Introducción a Kubernetes para cargas de trabajo de IA.
- Configuración de clústeres de Kubernetes para alojar modelos.
- Balanceo de carga y escalado horizontal.
Supervisión y Mantenimiento de Modelos
- Implementación de la supervisión con Prometheus y Grafana.
- Registro automatizado para el seguimiento de errores y rendimiento.
- Pipelines de retreinamiento para el desplazamiento del modelo y actualizaciones.
Aseguramiento de la Seguridad en Producción
- Seguridad de las APIs para inferencia de modelos.
- Mecanismos de autenticación y autorización.
- Abordaje de las preocupaciones relacionadas con la privacidad de los datos.
Estudios de Caso y Laboratorios Prácticos
- Despliegue de un modelo de análisis de sentimiento.
- Escalar un servicio de traducción automática de textos.
- Implementación de supervisión para modelos de clasificación de imágenes.
Resumen y Próximos Pasos
Requerimientos
- Sólido conocimiento de los flujos de trabajo de aprendizaje automático (machine learning).
- Experiencia con el ajuste fino (fine-tuning) de modelos de ML.
- Familiaridad con los principios de DevOps o MLOps.
Audiencia Objetivo
- Ingenieros de DevOps.
- Profesionales de MLOps.
- Especialistas en despliegue de IA.
21 Horas
Reseñas (2)
El conocimiento y experiencia del consultor ya que se abordan los temas teóricos aplicándolos a la realidad de los procesos. El curso contiene un programa de mucho valor en la gestión de las tecnologías de información.
Luis Castro Gamboa - Cooperativa De Ahorro Y Credito Ande No. 1 R.L.
Curso - Site Reliability Engineering (SRE) Foundation®
Que fue muy claro en cada especificación
