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 papel 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 escalabilidad para uso en producción
Técnicas de ajuste fino
- Ajuste fino supervisado vs ajuste eficiente en parámetros
- Preparación y limpieza de conjuntos de datos
- Ejemplos de personalización específica de dominio
Model Ops y versionado
- Buenas 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
- Monitorización y auditabilidad en contextos empresariales
- Marcos de cumplimiento y prácticas de IA responsable
Monitorización y observabilidad
- Seguimiento del desplazamiento del modelo (model drift) y la degradación de la precisión
- Instrumentación para el rendimiento de inferencia
- Flujos de trabajo de alertas y respuesta
Estudios de caso y buenas prácticas
- Casos de uso de la adopción de Mistral y Devstral en la industria
- Equilibrar costo, rendimiento y control
- Lecciones aprendidas del Model Ops de código abierto
Resumen y próximos pasos
Requerimientos
- Conocimiento de los flujos de trabajo de aprendizaje automático (machine learning)
- Experiencia con marcos de ML basados en Python
- Conocimiento de la contenerización y los entornos de despliegue
Público objetivo
- Ingenieros de ML
- Equipos de plataforma de datos
- Ingenieros de investigación
