Ponte en Contacto
 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 modelos Mistral y Devstral

  • Preparación del entorno y elección de infraestructura
  • Contenerización e implementación con Docker/Kubernetes
  • Consideraciones de escalabilidad para uso en producción

Técnicas de ajuste fino

  • Ajuste fino supervisado frente a ajuste eficiente de parámetros
  • Preparación y limpieza de conjuntos de datos
  • Ejemplos de personalización específica de dominio

Operaciones de modelos (Model Ops) y versionado

  • Buenas prácticas para la gestión del ciclo de vida del modelo
  • Estrategias de versionado y reversión (rollback) de modelos
  • Flujos de trabajo CI/CD para modelos de ML

Gobernanza y cumplimiento

  • Consideraciones de seguridad para el despliegue de código abierto
  • Monitoreo y capacidad de auditoría en contextos empresariales
  • Marcos de cumplimiento y prácticas de IA responsable

Monitoreo y observabilidad

  • Seguimiento de la deriva del modelo y la degradación de precisión
  • Instrumentación para el rendimiento de inferencia
  • Flujos de trabajo de alertas y respuesta

Estudios de caso y buenas prácticas

  • Casos de uso industrial de la adopción de Mistral y Devstral
  • Equilibrio entre costos, rendimiento y control
  • Lecciones aprendidas de las operaciones de modelos de código abierto

Resumen y próximos pasos

Requerimientos

  • Comprensión de los flujos de trabajo de aprendizaje automático
  • Experiencia con marcos de trabajo de ML basados en Python
  • Conocimiento de la contenerización y entornos de implementación

Público objetivo

  • Ingenieros de ML
  • Equipos de plataformas de datos
  • Ingenieros de investigación

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas