Despliegue de Modelos de Machine Learning en Ambientes Productivos (Virtual)

Aprenderá los conceptos clave de un sistema de machine learning, y se resaltará su importancia a través de casos de éxito de compañías que hayan implementado machine learning as a service.

Aprenderá a desarrollar proyectos de forma colaborativa usando la herramienta Git y la plataforma GitHub. Además, se revisarán aspectos básicos del desarrollo web, y programación orientada a objetos.

Desarrollará un modelo de machine learning y aprenderán a organizar sus procesos usando pipelines. También transformarán el código inicial de su modelo hacia un producto de machine learning que cumpla los principios de reproducibilidad, automatización, modularidad, y extensibilidad.

Aprenderá cómo usar Flask para servir el modelo de machine learning desarrollado en el Módulo 3. También se aplicarán los aspectos de front-end vistos en el Módulo 2. Si el tiempo lo permite, veremos aspectos básicos de las librerías logging y pytest de Python para generar logs y tests básicos en puntos clave del sistema, todo ello con el fin de facilitar el mantenimiento, actualización, y depuración de un sistema de machine learning.

Aprenderá aspectos básicos del cómputo en la nube, servicios disponibles para analytics y machine learning, y los servicios core (Cómputo, Almacenamiento, Redes, Bases de Datos y CDN). También aprenderán el proceso para llevar lo aprendido en módulos anteriores a un ambiente productivo (despliegue de modelos de machine learning y configuración herramientas) sin la necesidad de tener infraestructura propia.

Contará con asesoría y consultoría de los instructores para detallar y culminar el proyecto final.