Contacta con nosotros

Temario del curso

Introducción a los modelos Devstral y Mistral

  • Visión general de los modelos de código abierto de Mistral
  • Licenciamiento 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 selección de infraestructura
  • Contenerización y despliegue con Docker/Kubernetes
  • Consideraciones de escalabilidad para uso en producción

Técnicas de ajuste fino

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

Model Ops y versionado

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

Gobernanza y cumplimiento normativo

  • Consideraciones de seguridad para el despliegue de código abierto
  • Monitoreo y auditabilidad en contextos empresariales
  • Marco de cumplimiento y prácticas de IA responsable

Monitoreo y observabilidad

  • Seguimiento de la deriva del modelo y 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 industriales de la adopción de Mistral y Devstral
  • Equilibrio entre costo, rendimiento y control
  • Lecciones aprendidas en Model Ops de código abierto

Resumen y siguientes pasos

Requerimientos

  • Comprensión de los flujos de trabajo de aprendizaje automático
  • Experiencia con frameworks de ML basados en Python
  • Familiaridad con entornos de contenedores y despliegue

Público objetivo

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas