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 de los procesos tradicionales de DevOps y MLOps.
  • Componentes esenciales del despliegue automatizado de modelos.

Contenerización de modelos de IA con Docker

  • Diseño de Dockerfiles 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 automatizadas.

Pruebas de modelos de IA en la fase de integración continua (CI)

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

Despliegue automatizado de servicios de IA basados en Docker

  • Implementación de contenedores de IA en entornos en la nube.
  • Implementación de despliegues de tipo blue-green y canary (canarios).
  • Estrategias de reversión para despliegues fallidos.

Gestión de versiones de modelos y artefactos

  • Uso de registros para el control de versiones de modelos y contenedores.
  • Etiquetado, firma y promoción de imágenes.
  • Coordinación de las actualizaciones de modelos entre servicios.

Monitoreo y observabilidad en CI/CD para IA

  • Rastreo del rendimiento de los pipelines y de los modelos.
  • Alertas ante compilaciones fallidas o deriva (drift) de modelos.
  • Trazabilidad del comportamiento de la inferencia entre entornos.

Escalar pipelines CI/CD para sistemas de IA

  • Paralelización de las compilaciones para modelos grandes.
  • Optimización de los recursos de cómputo y almacenamiento.
  • Integración de ejecutores 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.

Audiencia objetivo

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas