Temario del curso
Introducción a Cursor para flujos de trabajo de datos y aprendizaje automático
- Descripción general del papel que desempeña Cursor en la ingeniería de datos y ML
- Configuración del entorno e integración de fuentes de datos
- Explicación sobre la asistencia al código basada en IA dentro de los notebooks
Agilización del desarrollo de notebooks
- Creación y gestión de notebooks Jupyter desde Cursor
- Uso de la IA para completar código, explorar datos y crear visualizaciones
- Documentación adecuada de experimentos y garantía de su reproducibilidad
Desarrollo de pipelines ETL e ingeniería de características
- Generación y refactorización de scripts ETL con ayuda de la IA
- Diseño de pipelines de características orientados a la escalabilidad
- Control de versiones de los componentes del pipeline y conjuntos de datos
Entrenamiento y evaluación de modelos mediante Cursor
- Creación inicial de código para el entrenamiento y evaluación de modelos
- Integración de procesos de preprocesamiento de datos y ajuste de hiperparámetros
- Aseguramiento de la reproducibilidad del modelo en distintos entornos
Integración de Cursor en los pipelines MLOps
- Conexión de Cursor con registros de modelos y flujos CI/CD
- Uso de scripts asistidos por IA para el reentrenamiento automatizado y despliegue
- Supervisión del ciclo de vida del modelo y seguimiento de versiones
Documentación e informes generados mediante IA
- Creación automática de documentación contextual para pipelines de datos
- Elaboración de resúmenes de experimentos e informes de progreso
- Fomento de la colaboración en equipo mediante documentación contextualmente vinculada
Reproducibilidad y gobernanza en proyectos de aprendizaje automático
- Aplicación de buenas prácticas para el seguimiento del linaje de datos y modelos
- Mantenimiento de normativas corporativas mediante código generado por IA
- Auditoría de decisiones tomadas por la IA y preservación de su trazabilidad
Optimización de la productividad y perspectivas futuras
- Uso eficaz de instrucciones en lenguaje natural para iterar más rápidamente
- Identificación de posibilidades de automatización en operaciones con datos
- Preparación ante futuras mejoras en la integración entre Cursor y el aprendizaje automático
Resumen y pasos a seguir
Requerimientos
- Experiencia previa en análisis de datos o aprendizaje automático utilizando Python
- Conocimientos básicos sobre flujos de trabajo ETL y entrenamiento de modelos
- Familiaridad con herramientas de control de versiones y desarrollo de pipelines de datos
Público objetivo
- Científicos de datos que crean y refinan notebooks de aprendizaje automático
- Ingenieros de aprendizaje automático encargados del diseño de pipelines de entrenamiento e inferencia
- Profesionales de MLOps responsables de la implementación y reproducibilidad de modelos
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 2900 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
