Bootcamp práctico de MLOps — ¡Inscríbete ahora! Curso en inglés

Este bootcamp práctico está diseñado para ingenieros DevOps e infraestructuras que desean dar el salto a MLOps. A lo largo del curso trabajarás con un caso real de regresión (predicción del precio de viviendas) y cubrirás todo el ciclo desde el procesamiento de datos hasta el despliegue en producción sobre Kubernetes. Te familiarizarás con herramientas como Docker y MLflow para seguimiento de experimentos, y obtendrás experiencia práctica en ingeniería de datos, creación de características y experimentación de modelos usando Jupyter notebooks.

Además, aprenderás a empaquetar modelos con FastAPI y a desplegarlos junto a una interfaz con Streamlit, automatizar pipelines con GitHub Actions y publicar contenedores en DockerHub. En las etapas finales construirás una infraestructura escalable de inferencia en Kubernetes, explorarás el serving con Seldon Core y monitorizarás despliegues con Prometheus y Grafana. También verás prácticas de entrega continua basadas en GitOps con ArgoCD para gestionar cambios en el clúster.

Lo que aprenderás:

• Entender el ciclo de vida del machine learning y su integración con prácticas DevOps
• Configurar entornos reproducibles con Docker y gestionar experimentos con MLflow
• Realizar ingeniería de datos y feature engineering para un caso real de regresión
• Experimentar y evaluar modelos usando Jupyter notebooks
• Empaquetar modelos con FastAPI y crear una UI con Streamlit
• Automatizar pipelines de ML con GitHub Actions (CI)
• Publicar y versionar imágenes en DockerHub
• Desplegar y escalar servicios de inferencia en Kubernetes
• Implementar serving de modelos con Seldon Core
• Monitorizar modelos y servicios con Prometheus y Grafana
• Aplicar GitOps y despliegue continuo con ArgoCD
• Adquirir experiencia práctica para roles de MLOps y AI Platform Engineering

Contenido del curso:

• Secciones: 9
• Clases: 36
• Duración: 9 horas

Requisitos:

• Conocimientos básicos de DevOps y Docker
• Familiaridad con Git y GitHub
• Alguna experiencia con Python (usado para scripting y workflows de ML)
• Comprensión previa de conceptos CI/CD (recomendado pero no obligatorio)
• Equipo con al menos 8GB de RAM y Docker instalado para realizar labs locales

¿Para quién es este curso?

• Ingenieros DevOps que quieren incursionar en MLOps
• Platform Engineers y SREs que apoyan equipos de ML
• Ingenieros cloud interesados en entender workflows y producción de ML
• Desarrolladores en transición hacia ML Engineering o Data Engineering
• Personas interesadas en cómo se despliegan y escalan sistemas ML reales

¿Qué esperas para comenzar?

Inscríbete hoy mismo y lleva tus habilidades al siguiente nivel. ¡Los cupones son limitados y pueden agotarse en cualquier momento!

👉 Aprovecha el cupón ahora – Cupón