Ponte en Contacto

Temario del curso

Introducción a CI/CD para flujos de trabajo de IA

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

Contenerización 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.
  • Construcción de pipelines para el empaquetado automatizado de modelos.
  • Validación de pipelines mediante comprobaciones automáticas.

Pruebas de modelos de IA en CI

  • Automatización de verificaciones de integridad de datos.
  • Pruebas unitarias e integradas para servicios de modelos.
  • Validación del rendimiento y detección de regresiones.

Despliegue automatizado de servicios de IA basados en Docker

  • Despliegue de contenedores de IA en entornos cloud.
  • Implementación de despliegues progresivos tipo blue-green y canary.
  • Estrategias de reversión (rollback) ante fallos en el despliegue.

Gestión de versiones y artefactos de modelos

  • Uso de registros para el control de versiones de modelos y contenedores.
  • Atribución (tagging), firma y promoción de imágenes.
  • Coordinación de actualizaciones de modelos entre servicios.

Monitoreo y observabilidad en CI/CD para IA

  • Seguimiento del rendimiento de la pipeline y de los modelos.
  • Alertas ante fallos en la construcción o deriva (drift) del modelo.
  • Rastreo del comportamiento de inferencia a través de diferentes entornos.

Escalar pipelines CI/CD para sistemas de IA

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

Resumen y próximos pasos

Requerimientos

  • Comprensión de los ciclos de vida de los modelos de aprendizaje automático.
  • Experiencia con la contenerización mediante Docker.
  • Familiaridad con los conceptos y pipelines de CI/CD.

Público objetivo

  • Ingenieros de DevOps.
  • Equipos de MLOps.
  • Ingenieros de AI Ops.
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas