Ponte en Contacto

Temario del curso

Introducción a los flujos de trabajo CI/CD para IA

  • Desafíos únicos de los pipelines de entrega de modelos de IA.
  • Comparación entre los procesos tradicionales de DevOps y MLOps.
  • Componentes principales del despliegue automatizado de modelos.

Contenedorización de modelos de IA con Docker

  • Diseño de archivos Dockerfile eficientes para inferencia de ML.
  • Gestión de dependencias y artefactos del modelo.
  • Construcción de imágenes seguras y optimizadas.

Configuración de pipelines CI/CD

  • Opciones de herramientas CI/CD y sus ecosistemas.
  • Creación de pipelines para el empaquetado automatizado de modelos.
  • Validación de los pipelines mediante comprobaciones automatizadas.

Prueba de modelos de IA en CI

  • Automatización de las comprobaciones de integridad de los datos.
  • Pruebas unitarias e integradas para los servicios del modelo.
  • Validación del rendimiento y regresiones.

Despliegue automatizado de servicios de IA basados en Docker

  • Despliegue de contenedores de IA en entornos en la nube.
  • Implementación de despliegues simultáneos (blue-green) y gradual (canary).
  • Estrategias de rollback para despliegues fallidos.

Gestión de versiones y artefactos del modelo

  • Uso de registros para el control de versiones de modelos y contenedores.
  • Etiquetado, firma y promoción de imágenes.
  • Coordinación de actualizaciones del modelo a través de los servicios.

Monitorización y observabilidad en CI/CD para IA

  • Seguimiento del rendimiento del pipeline y del modelo.
  • Detección de fallos en la construcción o desviación del modelo (model drift).
  • Rastreo del comportamiento de inferencia a través de los entornos.

Escalado de pipelines CI/CD para sistemas de IA

  • Paralelización de la construcción para modelos grandes.
  • Optimización de recursos de computación y almacenamiento.
  • Integración de ejecutores distribuidos y remotos.

Resumen y próximos pasos

Requerimientos

  • Conocimiento del ciclo de vida de los modelos de aprendizaje automático.
  • Experiencia con la contenedorización mediante Docker.
  • Familiaridad con los conceptos y pipelines de CI/CD.

Público objetivo

  • Ingenieros DevOps.
  • Equipos de MLOps.
  • Ingenieros de AI-ops.
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas