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 al despliegue de IA
- Vista general del ciclo de vida del despliegue de IA
- Desafíos en el despliegue de agentes de IA a producción
- Consideraciones clave: escalabilidad, confiabilidad y mantenibilidad
Contenerización y orquestación
- Introducción a Docker y fundamentos de contenerización
- Uso de Kubernetes para la orquestación de agentes de IA
- Prácticas recomendadas 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 frente a predicciones en tiempo real
CI/CD para agentes de IA
- Configuración de tuberías CI/CD para despliegues de IA
- Automatización de pruebas y validación de modelos de IA
- Actualizaciones graduales y gestión de control de versiones
Monitoreo y optimización
- Implementación de herramientas de monitoreo para el rendimiento de agentes de IA
- Análisis de deriva del modelo y necesidades de reentrenamiento
- Optimización de la utilización de recursos y escalabilidad
Seguridad y gobernanza
- Asegurar el cumplimiento de las regulaciones de privacidad de datos
- Seguridad de tuberías de despliegue de IA y APIs
- Auditoría y registro de bitácoras 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 la 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 en prácticas de DevOps (recomendado)
Audiencia
- Ingenieros de MLOps
- Profesionales de DevOps
14 Horas