Ponte en Contacto

Temario del curso

Introducción a los modelos Devstral y Mistral

  • Resumen de los modelos de código abierto de Mistral
  • Licencia Apache-2.0 y adopción empresarial
  • El rol de Devstral en flujos de trabajo de codificación y agénticos

Autoalojamiento de 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 del dominio

Model Ops y versionado

  • Mejores prácticas para la gestión del ciclo de vida del modelo
  • Estrategias de versionado y reversión de modelos
  • Tuberías de CI/CD para modelos de ML

Gobernanza y cumplimiento

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

Monitoreo y observabilidad

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

Estudios de caso y mejores prácticas

  • Casos de uso en la industria de la adopción de Mistral y Devstral
  • Equilibrio entre costo, rendimiento y control
  • Lecciones aprendidas de Model Ops de código abierto

Resumen y próximos pasos

Requerimientos

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

Público objetivo

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas