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 21 horas
Temario del curso
Introducción al despliegue en producción
- Principales desafíos que surgen al desplegar modelos ya ajustados.
- Diferencias entre los entornos de desarrollo y producción.
- Herramientas y plataformas utilizadas para el despliegue de modelos.
Preparación de los modelos para su despliegue
- Exportación de modelos en formatos estándar (ONNX, TensorFlow SavedModel, etc.).
- Optimización de los modelos respecto a la latencia y el rendimiento.
- Pruebas exhaustivas con casos límite y datos reales.
Creación de contenedores para el despliegue
- Introducción a Docker como herramienta clave.
- Cómo generar imágenes de Docker adaptadas a modelos de ML.
- Buenas prácticas orientadas a la seguridad y eficiencia de los contenedores.
Escalabilidad mediante Kubernetes
- Conceptos básicos sobre el uso de Kubernetes en tareas de IA.
- Configuración adecuada de clústeres para hospedar modelos.
- Equilibrio de cargas y ampliación horizontal según la demanda.
Supervisión y mantenimiento de los modelos
- Aplicación de herramientas como Prometheus y Grafana para el seguimiento continuo.
- Registro automático de errores y métricas de rendimiento.
- Procedimientos para el reentrenamiento periódico de los modelos.
Garantía de seguridad en entornos productivos
- Medidas necesarias para proteger las APIs destinadas a la inferencia del modelo.
- Mecanismos sólidos de autenticación y autorización.
- Cómo abordar adecuadamente cuestiones vinculadas con la privacidad de los datos.
Estudios de caso y ejercicios prácticos
- Despliegue de un modelo capaz de analizar sentimientos.
- Estrategias para ampliar el alcance de un servicio de traducción automática.
- Aplicación real de técnicas de supervisión en modelos destinados a la clasificación de imágenes.
Resumen final y pasos recomendados
Requerimientos
- Conocimiento sólido de los flujos de trabajo del aprendizaje automático.
- Experiencia previa en el ajuste de modelos de ML.
- Familiaridad con los principios de DevOps o MLOps.
Público objetivo
- Ingenieros DevOps.
- Profesionales especializados en MLOps.
- Especialistas en despliegue de inteligencia artificial.
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 4350 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
Reseñas (1)
Que fue muy claro en cada especificación
