|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/bootcamp-de-devops-a-mlops-transicion-hacia-la-ingenieria-p/
课程评论：没有评论
课程概述：Bootcamp MLOps: CI/CD para Modelos 本课程旨在帮助DevOps工程师和基础设施专业人士顺利过渡到不断增长的MLOps领域。随着人工智能和机器学习在现代应用中的快速整合，MLOps已成为机器学习模型与生产系统之间的桥梁。 在课程中，学员将通过一个实际案例——房价预测，从数据处理到在Kubernetes上部署进行全面实践。课程开始时将搭建Docker与MLFlow环境，用于实验跟踪，理解机器学习生命周期，并获得数据工程、特征工程及使用Jupyter Notebook进行模型实验的实践经验。 接下来，学员将利用FastAPI打包模型，并与基于Streamlit的用户界面一起部署。还将编写GitHub Actions工作流，以自动化机器学习管道的持续集成，同时使用DockerHub发布模型容器。 在后续阶段，课程将指导构建可扩展的推理基础设施，利用Kubernetes暴露服务，并通过服务发现连接前端和后端接口。同时，学员将探索使用Seldon Core进行生产环境模型的部署，并使用Prometheus和Grafana面板对部署进行监控。 最后，将探索基于GitOps的持续交付，使用ArgoCD干净、自动化地管理和部署Kubernetes集群中的变更。完成本课程后，学员将具备操作和自动化机器学习工作流所需的知识和实践经验，为在MLOps和AI平台工程师的职业角色奠定基础。
Nota: Este curso ha sido traducido del inglés al español con la ayuda de inteligencia artificial para facilitar el acceso a una audiencia hispanohablante. (AI)Este bootcamp práctico está diseñado para ayudar a Ingenieros DevOps y profesionales de infraestructura a realizar la transición hacia el creciente campo de MLOps. Con la rápida integración de la IA y el aprendizaje automático en las aplicaciones modernas, MLOps se ha convertido en el puente esencial entre los modelos de machine learning y los sistemas de producción.En este curso, trabajarás en un caso de uso del mundo real - predicción de precios de viviendas - y lo llevarás desde el procesamiento de datos hasta el despliegue en producción sobre Kubernetes. Comenzarás configurando tu entorno con Docker y MLFlow para el seguimiento de experimentos. Comprenderás el ciclo de vida del machine learning y obtendrás experiencia práctica en ingeniería de datos, ingeniería de características y experimentación de modelos utilizando notebooks de Jupyter.Luego, empaquetarás el modelo con FastAPI y lo desplegarás junto a una interfaz de usuario basada en Streamlit. Escribirás workflows de GitHub Actions para automatizar tu pipeline de ML para CI y utilizarás DockerHub para publicar tus contenedores de modelos.En etapas posteriores, construirás una infraestructura de inferencia escalable utilizando Kubernetes, expondrás servicios y conectarás interfaces frontend y backend mediante descubrimiento de servicios. Explorarás la implementación de modelos a nivel de producción con Seldon Core y supervisarás tus despliegues con paneles de Prometheus y Grafana.Finalmente, explorarás la entrega continua basada en GitOps usando ArgoCD para gestionar y desplegar cambios en tu clúster de Kubernetes de forma limpia y automatizada.Al finalizar este curso, estarás equipado con el conocimiento y la experiencia práctica para operar y automatizar flujos de trabajo de machine learning utilizando prácticas de DevOps - preparándote para roles profesionales en MLOps e Ingeniería de Plataformas de IA.
