Fundamentos De Mlops (Machine Learning Operations) Hands On

Curso práctico y aplicado de MLOps con MLFlow, Scikit-learn, CI/CD, Pycaret, FastAPI, Gradio, SHAP, Monitorización

What you'll learn
Implantación de MLOps de extremo a extremo
Model serving mediante el desarrollo de una aplicaciones web con Gradio
Model serving mediante el desarrollo de APIs con FastAPI
Versionado de modelos con MLFlow
Interpretabilidad de modelos y deriva de datos
Automatización del ciclo de vida del modelo con Pycaret
Toolbox completo de MLOps
Seguimiento de experimentos y registro de modelos con MLFlow
Puesta en producción de modelos de Machine Learning
Niveles de implantación del MLOps
Requirements
Conocimientos básicos de Python
Description
Si estás buscando un curso práctico, conciso y aplicado para aprender las tecnologías de MLOps, has venido al lugar correcto.Según una encuesta de Algorithmia, el 85% de los proyectos de Machine Learning no llegan a producción. Además, el mercado de MLOps no para de crecer. Se estimó en $23,2 mil millones para el 2019 y se proyecta que alcance los $126 mil millones para 2025. Por ello, el formarte en MLOps te dará numerosas oportunidades laborales y profesionales.Este curso está diseñado para aprender todo lo relacionado con MLOps, desde el desarrollo, registro y versionado de modelos hasta la monitorización, CI/CD, model serving y puesta en producción mediante APIs y aplicaciones web.Con la formación teórica, las guías de estudio descargables, los ejercicios prácticos y los laboratorios aplicados a casos de uso reales este es el único curso que necesitarás para aprender a implementar un ciclo completo de MLOps. Para ello, te guiaremos a través de las competencias de MLOps, compartiendo explicaciones claras y útiles consejos profesionales.¿Qué incluye el curso?Conceptos básicos y fundamentos de MLOps. Desafíos en la gestión tradicional del ciclo de vida del ML. Cómo MLOps aborda los problemas de subir a producción un modeloNiveles de implantación del MLOpsToolbox completo de MLOps. Aprenderemos algunas de las herramientas más novedosas de MLOps.Seguimiento de experimentos y registro de modelos con MLFlow.Automatización del ciclo de vida del modelo con Pycaret. Pycaret permite automatizar y facilitar gran parte del ciclo de MLOps, como el versionado de modelos, entrenamiento, evaluación y despliegue de modelos.Interpretabilidad de modelos y deriva de datos.Versionado de modelosPuesta en producción de modelos.Desarrollo de APIs con FastAPI. Aprenderemos a desarrollar una API para que podamos integrar nuestro modelo de ML en herramientas o software empresariales.Desarrollo de una aplicaciones web con Gradio. Aprenderemos a desarrollar una aplicación web para que cualquier usuario de negocio pueda hacer uso del modelo.Únete hoy y obtén acceso inmediato y de por vida a:• Guía de formación de MLOps (e-book en PDF)• Archivos, códigos y recursos descargables• Laboratorios aplicados a casos de uso reales• Ejercicios prácticos y cuestionarios• Recursos como: Cheatsheets y resúmenes• Soporte experto 1 a 1• Foro de preguntas y respuestas del curso• 30 días de garantía de devolución de dineroSi estás listo para mejorar sus habilidades de MLOps, aumentar tus oportunidades laborales y convertirte en un profesional en ciencia de datos, te esperamos.

Who this course is for:
Ingenieros de Machine Learning y científicos de datos interesados en MLOps,Profesionales que deseen implementar modelos de Machine Lerning en producción,Cualquier persona interesada en implementar MLOps en sus proyectos,Cualquier persona interesada interesada en desarrollar un proyecto de extremo a extremo de MLOps