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 14 horas
Temario del curso
Introducción a los Modelos Devstral y Mistral
- Resumen de los modelos de código abierto de Mistral.
- Licencia Apache-2.0 y adopción empresarial.
- El papel de Devstral en flujos de trabajo de codificación y agentes.
Autoalojamiento de Modelos Mistral y Devstral
- Preparación del entorno y elección de infraestructura.
- Contenerización y despliegue con Docker/Kubernetes.
- Consideraciones de escalado para uso en producción.
Técnicas de Ajuste Fino
- Ajuste fino supervisado vs. ajuste eficiente en parámetros.
- Preparación y limpieza de conjuntos de datos.
- Ejemplos de personalización específica del dominio.
Model Ops y Versionado
- Mejores prácticas para la gestión del ciclo de vida del modelo.
- Estrategias de versionado y reversión de modelos.
- Pipelines CI/CD para modelos de ML.
Gobernanza y Cumplimiento Normativo
- Consideraciones de seguridad para el despliegue de código abierto.
- Monitoreo y auditable en contextos empresariales.
- Frameworks de cumplimiento y prácticas de IA responsable.
Monitoreo y Observabilidad
- Seguimiento de la deriva del modelo y la degradación de la precisión.
- Instrumentación para el rendimiento de inferencia.
- Flujos de trabajo de alertas y respuesta.
Casos de Estudio y Mejores Prácticas
- Casos de uso en la industria de adopción de Mistral y Devstral.
- Equilibrar costo, rendimiento y control.
- Lecciones aprendidas en Model Ops de código abierto.
Resumen y Próximos Pasos
Requerimientos
- Comprensión de los flujos de trabajo de aprendizaje automático (ML).
- Experiencia con frameworks de ML basados en Python.
- Conocimiento de la contenerización y entornos de despliegue.
Público Objetivo
- Ingenieros de ML.
- Equipos de plataformas de datos.
- Ingenieros de investigación.
