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 al despliegue de IA
- Vista general del ciclo de vida del despliegue de IA
- Desafíos en la implementación de agentes de IA en producción
- Consideraciones clave: escalabilidad, confiabilidad y mantenibilidad
Contenerización y orquestación
- Introducción a Docker y los fundamentos de la contenerización
- Uso de Kubernetes para la orquestación de agentes de IA
- Mejores prácticas para la gestión de aplicaciones de IA contenerizadas
Servicio de modelos de IA
- Vista general de marcos de servicio de modelos (p. ej., TensorFlow Serving, TorchServe)
- Construcción de APIs REST para la inferencia de agentes de IA
- Gestión de predicciones por lotes versus predicciones en tiempo real
CI/CD para agentes de IA
- Configuración de pipelines CI/CD para despliegues de IA
- Automatización de pruebas y validación de modelos de IA
- Actualizaciones progresivas y gestión de control de versiones
Monitoreo y optimización
- Implementación de herramientas de monitoreo para el rendimiento de los agentes de IA
- Análisis del deriva de modelos y necesidades de reentrenamiento
- Optimización del uso de recursos y escalabilidad
Seguridad y gobernanza
- Garantizar el cumplimiento de las regulaciones de privacidad de datos
- Seguridad de pipelines de despliegue de IA y APIs
- Auditoría y registro de actividad para aplicaciones de IA
Actividades prácticas
- Contenerización de un agente de IA con Docker
- Despliegue de un agente de IA utilizando Kubernetes
- Configuración de monitoreo para el rendimiento de IA y el uso de recursos
Resumen y próximos pasos
Requerimientos
- Competencia en programación con Python
- Comprensión de flujos de trabajo de aprendizaje automático (machine learning)
- Conocimiento de herramientas de contenerización como Docker
- Experiencia con prácticas DevOps (recomendado)
Público objetivo
- Ingenieros MLOps
- Profesionales de DevOps