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.
Temario del curso
Introducción a los modelos Devstral y Mistral
- Descripción general de los modelos de código abierto de Mistral
- Licenciamiento Apache-2.0 y adopción empresarial
- El papel de Devstral en flujos de trabajo de codificación y agentes
Autoalojamiento de modelos Mistral y Devstral
- Preparación del entorno y elección de infraestructura
- Contenedorización y despliegue con Docker/Kubernetes
- Consideraciones de escalado para uso en producción
Técnicas de ajuste fino
- Ajuste fino supervisado frente a ajuste eficiente en parámetros
- Preparación y limpieza de conjuntos de datos
- Ejemplos de personalización específica por dominio
Model Ops y versionado
- Mejores prácticas para la gestión del ciclo de vida de modelos
- Estrategias de versionado y reversión de modelos
- Pipelines de CI/CD para modelos de ML
Gobernanza y cumplimiento normativo
- Consideraciones de seguridad para despliegues de código abierto
- Monitoreo y auditoría en contextos empresariales
- Marco 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
- Canales de alerta y respuesta
Casos de estudio y mejores prácticas
- Casos de uso industriales de la adopción de Mistral y Devstral
- Equilibrio entre costo, rendimiento y control
- Lecciones aprendidas en 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 entornos de contenedorización y despliegue
Público objetivo
- Ingenieros de ML
- Equipos de plataformas de datos
- Ingenieros de investigación
14 Horas