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 a la implementación de IA
- Visión general del ciclo de vida de la implementación de IA
- Desafíos en el despliegue de agentes de IA a producción
- Consideraciones clave: escalabilidad, confiabilidad y mantenibilidad
Contenerización y orquestación
- Introducción a Docker y conceptos básicos de contenerización
- Uso de Kubernetes para la orquestación de agentes de IA
- Mejores prácticas para la gestión de aplicaciones de IA contenerizadas
Servicio de modelos de IA
- Visión general de marcos de servicio de modelos (p. ej., TensorFlow Serving, TorchServe)
- Creación de APIs REST para inferencia de agentes de IA
- Gestión de predicciones por lotes frente a tiempo real
CI/CD para agentes de IA
- Configuración de pipelines CI/CD para implementaciones de IA
- Automatización de pruebas y validación de modelos de IA
- Actualizaciones progresivas y gestión del control de versiones
Monitoreo y optimización
- Implementación de herramientas de monitoreo para el rendimiento de agentes de IA
- Análisis de la deriva del modelo y necesidades de reentrenamiento
- Optimización del uso de recursos y escalabilidad
Seguridad y gobernanza
- Asegurar el cumplimiento de las regulaciones de privacidad de datos
- Seguridad de pipelines de implementación y APIs de IA
- Auditoría y registro (logging) para aplicaciones de IA
Actividades prácticas
- Contenerización de un agente de IA con Docker
- Despliegue de un agente de IA utilizando Kubernetes
- Configuración del monitoreo para el rendimiento y uso de recursos de IA
Resumen y próximos pasos
Requerimientos
- Dominiación en programación con Python
- Comprensión de flujos de trabajo de aprendizaje automático
- Conocimiento de herramientas de contenerización como Docker
- Experiencia con prácticas de DevOps (recomendado)
Público objetivo
- Ingenieros de MLOps
- Profesionales de DevOps
14 Horas