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
- Visión general de los modelos de código abierto de Mistral
- Licencia Apache-2.0 y adopción empresarial
- El rol de Devstral en flujos de trabajo de codificación y agentes
Autoalojamiento de los 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 afinación
- Afinación supervisada frente a afinación eficiente en parámetros
- Preparación y limpieza de conjuntos de datos
- Ejemplos de personalización para dominios específicos
Model Ops y versionado
- Mejores prácticas para la gestión del ciclo de vida del modelo
- Estrategias de versionado y reversión de modelos
- Tuberías CI/CD para modelos de ML
Gobernanza y cumplimiento
- Consideraciones de seguridad para el despliegue de código abierto
- Monitoreo y auditoría en contextos empresariales
- Marcos de cumplimiento y prácticas de IA responsable
Monitoreo y observabilidad
- Rastreo de deriva del modelo y degradación de la precisión
- Instrumentación para el rendimiento de inferencia
- Flujos de trabajo de alertas y respuesta
Estudios de caso y mejores prácticas
- Casos de uso en la industria de adopción de Mistral y Devstral
- Equilibrio entre costo, rendimiento y control
- Lecciones aprendidas del Model Ops de código abierto
Resumen y próximos pasos
Requerimientos
- Comprensión de los flujos de trabajo de aprendizaje automático
- Experiencia con marcos de ML basados en Python
- Conocimiento de la contenerización y entornos de despliegue
Audiencia
- Ingenieros de ML
- Equipos de plataformas de datos
- Ingenieros de investigación
