MLOps Bootcamp: Construye CI/CD para modelos — ¡Inscríbete y lleva tus modelos a producción!

Este bootcamp práctico de MLOps está pensado para ingenieros y profesionales que desean llevar modelos de machine learning desde la experimentación hasta producción. El contenido original (en inglés) ha sido traducido mediante inteligencia artificial para hacerlo accesible a una audiencia más amplia; a lo largo del curso trabajarás con ejemplos reales y herramientas utilizadas en entornos productivos.

Aprenderás paso a paso cómo preparar datos, experimentar y rastrear modelos con MLflow, contenerizar con Docker, automatizar pipelines con GitHub Actions y desplegar aplicaciones ML con FastAPI y Streamlit. La segunda parte se centra en infraestructuras escalables sobre Kubernetes, entrega de modelos con Seldon Core y monitorización con Prometheus y Grafana, finalizando con despliegues GitOps usando ArgoCD. El proyecto práctico principal aborda la predicción del precio de viviendas para aplicar cada concepto en un flujo end-to-end.

Al completar el curso habrás adquirido las habilidades necesarias para implementar y operar flujos de trabajo de ML en producción, optimizando la colaboración entre equipos de datos e infraestructuras. Si quieres dar el salto a MLOps y preparar tu carrera como ingeniero de plataformas de IA, este bootcamp te ofrece ejercicios y prácticas reales para lograrlo.

Lo que aprenderás:

• Cómo construir, rastrear y desplegar modelos de ML usando MLflow, Docker y Kubernetes
• Desarrollo de aplicaciones ML prácticas con Streamlit y FastAPI
• Automatización de pipelines CI/CD con GitHub Actions
• Cómo construir infraestructuras de inferencia escalables en Kubernetes
• Despliegue de modelos de grado producción con Seldon Core y monitorización con Prometheus/Grafana
• Entrega continua estilo GitOps con ArgoCD

Contenido del curso:

• Secciones: 6
• Clases: 58
• Duración: 8h 43m

Requisitos:

• Conocimientos básicos de Python (funciones, estructuras de datos)
• Entendimiento básico de Docker y Git
• Familiaridad con la línea de comandos de Linux
• Bases de machine learning (por ejemplo scikit-learn y conceptos de regresión)
• Conocimientos básicos de Kubernetes son útiles; se explican los conceptos necesarios durante el curso

¿Para quién es este curso?

• DevOps e ingenieros de infraestructura que desean ampliar su carrera hacia AI/ML
• Data scientists e ingenieros ML que quieren aprender MLOps mediante práctica
• Quienes desean desplegar proyectos de ML en entornos de producción
• Profesionales que buscan dominar el diseño, construcción y operación de aplicaciones ML a nivel de campo
• Aspirantes a ingeniero de plataformas de IA (AI Platform Engineer)

¿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 JAN-FREE-01