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 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