Solicitar información

Temario del curso

Fundamentos de MLOps en Kubernetes

  • Conceptos clave de MLOps
  • Comparativa entre MLOps y DevOps tradicional
  • Principales desafíos en la gestión del ciclo de vida de los modelos

Contenerización de cargas de trabajo de aprendizaje automático

  • Empaquetado de modelos y código de entrenamiento
  • Optimización de imágenes de contenedores para aplicaciones de aprendizaje automático
  • Gestión de dependencias y garantía de reproducibilidad

CI/CD para el aprendizaje automático

  • Estructuración de repositorios de código para la automatización
  • Integración de pasos de prueba y validación
  • Activación de pipelines para el reentrenamiento y actualizaciones del modelo

GitOps en el despliegue de modelos

  • Principios y flujos de trabajo de GitOps
  • Utilización de Argo CD para el despliegue de modelos
  • Control de versiones para modelos y configuraciones

Orquestación de pipelines en Kubernetes

  • Creación de pipelines mediante Tekton
  • Gestión de flujos de trabajo multietapa del aprendizaje automático
  • Programación y gestión eficiente de recursos

Supervisión, registro de datos y estrategias de reversión

  • Seguimiento del desvío en los datos y el rendimiento de los modelos
  • Integración de sistemas de alerta y supervisión
  • Métodos para revertir cambios ante fallos o reorientar procesos

Reentrenamiento automático y mejora continua

  • Diseño de bucles de retroalimentación eficaces
  • Automatización del reentrenamiento según programaciones predefinidas
  • Uso de MLflow para el seguimiento y manejo de experimentos

Arquitecturas avanzadas en MLOps

  • Modelos de despliegue multiclúster y en nubes híbridas
  • Escalado eficiente de equipos mediante infraestructuras compartidas
  • Consideraciones sobre seguridad y cumplimiento normativo

Resumen y pasos a seguir

Requerimientos

  • Conocimientos básicos sobre los fundamentos de Kubernetes
  • Experiencia en flujos de trabajo de aprendizaje automático
  • Dominio del desarrollo con herramientas basadas en Git

Público objetivo

  • Ingenieros de aprendizaje automático
  • Ingenieros DevOps
  • Equipos responsables de las plataformas de aprendizaje automático
 14 Horas

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.
Inversión

Precio por grupo privado (formación online) desde 2900 € + IVA*

Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales

Reseñas (3)

Próximos cursos

Categorías Relacionadas