Fundamentos de MLOps: CI/CD, APIs y Despliegue de Machine Learning

Transicionar un modelo de machine learning de un notebook local a un entorno de producción confiable requiere un conjunto especializado de prácticas de ingeniería de software. Este curso basado en texto te guía a través de los conceptos centrales de MLOps, cerrando la brecha entre la ciencia de datos y las operaciones de DevOps. Aprenderás a automatizar el ciclo de vida de los modelos de machine learning, desde el control de versiones y la integración continua hasta el despliegue de APIs escalables y la configuración de sistemas básicos de monitoreo. Lo que aprenderás: - Comprender los principios fundamentales de MLOps y el ciclo de vida del machine learning. - Construir APIs limpias y de alto rendimiento para servir modelos utilizando frameworks modernos como FastAPI. - Configurar pipelines de CI/CD para automatizar las pruebas, validación y entrega de modelos. - Contenerizar aplicaciones de machine learning utilizando Docker para despliegues consistentes. - Implementar estrategias básicas de monitoreo de modelos y detección de deriva en producción. El curso comienza con terminología esencial y definiciones fundamentales antes de avanzar paso a paso a través de la configuración del entorno, el diseño de API, las pruebas automatizadas y las estrategias de despliegue. Esta capacitación está diseñada para desarrolladores principiantes, científicos de datos e ingenieros de MLOps aspirantes que buscan comprender los flujos de trabajo de despliegue sin necesidad de experiencia previa en DevOps. Comienza a construir pipelines de machine learning listos para producción hoy mismo.