MLOps
ÁREA: TIC
MODALIDAD: Virtual
ESTADO: Inscripción abierta
Q&A: –
INICIO: 01/10/2024
FINALIZACIÓN: 26/11/2024
MLOps se centra en la intersección de la ciencia de datos y la ingeniería de datos en combinación con las prácticas existentes de DevOps para optimizar la entrega de modelos en todo el ciclo de vida de desarrollo de aprendizaje automático. Es la disciplina de integrar cargas de trabajo de Machine Learning en la gestión de versiones, CI/CD y operaciones. En este curso se desarrollarán diversas herramientas y tecnologías que hacen posible esta automatización.
Objetivos:
1. Entender la necesidad de la implementación de MLOps y su arquitectura.
2. Implementar y utilizar las distintas herramientas y tecnologías usadas en MLOps: DevOps (CI/CD), Docker, Kubernetes, Dagster, Airbyte, MLFlow, dBT, MindsDB, Triton, Data Version Control.
Dirigido a:
Personas formadas en Machine Learning y/o Deep Learning con conocimientos sólidos de programación en Python.
Requisitos previos:
Inglés + Conocimientos sólidos sobre Machine Learning y/o Deep Learning
* Si ya cursaste Deep Learning en la Escuela de Innovación, accedes de forma automática a la Certificación Experta en Deep Learning con orientación en MLOps.
PLAN DE ESTUDIOS
Todos collapsables cerrados
Este accordion está para que todos los ítems permanezcan cerrados
Módulo 1: Introducción a MLOps
● Ciclo de vida de ML
● Presentación de las distintas herramientas y discusión general
● Presentación del proyecto general
Módulo 2: Control de versión en data
● Herramientas y estrategias para gestionar datasets
● Implementación práctica
Módulo 3: MLFLOW: Model registry and tracking
● Introducción MLFLOW
● Repositorio de modelos
● Registro de parámetros y métricas
● Implementación práctica
Módulo 4: Dagster: Orquestación de data, jobs & ops
● Introducción
● OPs y JOBs
● Schedules
● AirByte y dbt
● Implementación práctica
Módulo 5: Deployment
● Docker
● Kubernetes
● Implementación práctica
Módulo 6: Nvidia Triton Server
● Model serving – Optimización
● Implementación práctica
CUERPO DOCENTE
Todos collapsables cerrados
Este accordion está para que todos los ítems permanezcan cerrados
Julian Ganzabal
Ingeniero Electrónico (ITBA) desarrollando tareas en el área de machine learning en la industria tales como CV, NLP y MLOps. Más de 10 años de experiencia docente en el ITBA y la UBA en materias relacionadas con ML, procesos estocásticos, telecomunicaciones y networking.
Carlos Selmo
Ingeniero Electrónico (ITBA) desarrollando tareas en el área de procesamiento de señales y machine learning en el Grupo de Electrónica Digital Aplicada (GEDA). Profesor adjunto de materias en el área de procesamiento de señales, bio-electrónica y sistemas digitales. Entre ellas Redes Neuronales y Redes Neuronales en Bioingeniería.
MODALIDAD
Modalidad: Virtual
Inicio-Mail de Bienvenida: martes 01 de octubre
Primera clase Sincrónica: martes 08 de octubre
Fin: martes 26 de noviembre
Cursada: martes de 18 a 21 hs.
Duración: 8 semanas, 60 horas (sincrónicas + asincrónicas)
Titulación: Certificación Profesional en MLOps
