@ cédigofacilito MLOps Inicio: 13 de Junio . codigofacilito.com/bootcamps/mlops@ cddigofacilito MLOps Acerca de Codigo Facilito Cédigo Facilito es la plataforma de aprendizaje profesional hecha por y para desarrolladores de habla hispana. Desde el 2010 brindando contenido educativo de alta calidad de la mano de eel eree MEM UrC= Melee ceret co MLOps Acerca del Bootcamp MLOps La operacionalizacién de modelos de machine learning es una necesidad ereciente dentro Care Uo Marea ne nko) eRe RU Rcor Nicer Mon Rn (el EPS u ne trata ole coei eke eo ea) Se te dotara de las habilidades necesarias para implementar buenas practicas en la PER Cee Meee Ue uC Nua eacet Ce tse uy modelos de machine learning. a En este Bootcamp aprenderés a través de clases tedricas, talleres practicos y un proyecto, Cie Rumi M ec O Eur au a Rec a IR cae Re I Reet Rech smu@ cédigotacilito ote MLOps Objetivos (1/3) 4 Sen ae ee Nhe ear tem Meter a ole ota principios basicos de MLOps, incluyendo su importancia y cémo se integra con las practicas de desarrollo de software y operaciones. SCCM Cure een tee aan ae este ceca ue foie Cece tcaRe Rico Me Mee TneU CER a crento ele] Mele Rou Nco nett eMelie Cleo y Mem A SEE emur Ea Cano) = + Implementer ciclos de vida de ML: Capacitar a los participantes para que puedan Peet earIe Ns uence Relel Re MMe CMe elec Ne th co terodeCoa VIN cet -a cca eCMReck Ferner Reece sare Creuse tectC= Melee ceret co Coad MLOps Objetivos (2/3) Pee Tne ete eens ue eee ator eles) asegurar la calidad, eficiencia y sostenibilidad de los proyectos de ML. + Desarrollar proyectos: Ofrecer a los participantes la oportunidad de aplicar lo Presto eae eet ee ean ee OOM Clee urim=ste usa nic lecec RG rere Metal see eRe IMT (OCoE + Preparar para los desafios de la industria: Preparar a los participantes para enfrentar y resolver los desafios comunes en la implementacidn de soluciones de ML en entornos de produccién.pe C= Melee ceret co MLOps Objetivos (3/3) Pea Re ene eel neue ema Reo oro Urt Cena Seem tet oie MMO CSI tke cea ele! SOC a MUN seu nrels(suReCe poy reek Ca Ue ee ee Ree ON Lee elcla Meee tae] cnt een habilidades y conocimientos necesarios para competir eficazmente en el %\ mercado laboral de MLOps.@ cédigotacilito MLOps Lider de Bootcamp: ON cat ce ie Rcr Pete ee ee ere RB ANTO N i le) CUE eee CoCo ey BR ei ee FEREGRINO Deer eee DORE OU clo {Senior Data Engineer eee ee ae en Simply Business Ce Cue et ee lon Rey Mee aes aay Tiene un Master en Ciencia de la Universidad de Pr eae ee acer cre@ céddigofacilito eae MLOps Formato del Bootcamp Cerne Er! g=— 12 Semanas insta eee ec Ce eR ee eee ec) Pee ee irene eee te i eee as @ Grupo Exclusivo eco caC emer) ene ut Sn aes eC Proyecto y Certificado Ce eee Loe eee sacri Mice ea eca e k irceasee @ céddigofacilito MLOps Perfil de ingreso PAC eee Re ecue eee EuCoN ecient neg Pees ecient eu ie en Ret heen rake rails EMonecctmarcle cule en ies Ps Ree ater Ween ean eer tea ee eam Cou ate} Cee ete eg ceteris Se east ne a ne Uke eau Rene ok! Ceeelk entre + Data Science o machine learning: Conocimiento basico en algoritmos de ML, estadisticas y andlisis de datos. Sere ee cece Reeu na eee A eee NM ne ean oy eee me oe a Keone creteee @ céddigofacilito MLOps Perfil de egreso (1/2) eos eee Red er tea ee eel nee CMON) habilidades y conocimientos necesarios para desempefiarse como profesionales en el ee eee aa eed Ps eae Re ae nce ne eee nee gn cee eee) metodologia MLOps mejora la colaboracién y eficiencia entre equipos de desarrollo, ee ENC ie Reema reco w Ee Rect looters ri se. NNO CUS a eee Ret cu eee Cc eaters any Mircette Ree Che aC eae Cue Saco mcm kel oeoe @ céddigofacilito MLOps Perfil de egreso (2/2) , Se CUCM cee he eure ee um ler] ke ake oy Pens tiamulin en erence ct ol reso h a Reece Remar) See ee et or geo in eaee er an Rae ec Raa ajustadas para abordar y gestionar los desafios tecnicos y operatives comunes en el leet Siena nen: Steel eee a enn ce tusiecieom ms Re er nea nun ea ares Me gar CECT Reaper ene enc aon toca ne core eee eee enor Cie om eM RT Ck CRS Cet MRC Reet ctoea @ cédigotacilito MLOps Curricula / Introduccion a MLOps 1 - Soft skills para MLOps CI/CD para ML O TES COGN eCTE AEE, Clase sobre Gitiub Actions con enfoque hacia ML teeter ace Sets Se ee cay eee ees tei Steen eed eee Racca steps, runners y acciones. ee Cet ee arene crc eee ee eget eee Oe ee eee een Cea ccs SEC acs ee eect + Estrategias para manejar expectativas y entorno, Petes See era eee ee Peroni ee + Mejores practicas para la escritura y mantenimiento Cee ee eas + Solucién de problemas comunes y debugging de osea (eee MLOps Curricula / Introducci6n a MLOps 2 - BOE ere) + Configuracién de entornos de cémputo(instancias SCE eer EC2, Google Compute Engine, Azure VMs). Se ee eer eLy See ee et) TE ne eer Cicer) cn Se ae ee) + Panorama general de herramientas de TC: ML (63, Google Storage, Azure Blob Storage) Terraform, CloudFormation, Pulumi, et: + Consejos para escribir configuraciones efcientes y Fe See noes + Estructura de archivos y configuracién de proyectos cerns Scere en eee ae ereea @ cédigotacilito MLOps Curricula / Introducci6n a MLOps 3 - CCC C ine mic Ut See Ee tea TESCO CARI EOCD ee ey ec Oa eC kd aed an) eee eet eres See toe ten tt So ces eee eet a SE ee La Pee Se oe + Uso de PyTest para probar la integracién entre LE rae Seek eed See hac) eno@ cédigotacilito ea MLOps Curricula us Registro de experimentos y gestion de modelos Introduccién y uso de MLflow para Beat ee used preety ete one eres eee ent epee tee ery ree es pete teeter cen oreo en ec reeset + Integracién de MLflow en un entomo de desarrollo Peer + Uso del MLflow Tracking API para registrar métricas, See es ee cree ag resultados. ee ee eer eee@ cédigotacilito ea MLOps Curricula i Registro de experimentos y gestion de modelos Seu Cm recuperacién de modelos con MLflow eee en eer ree Machine Learaing eee ee ey verre rere ererne Conerct ene + Uso de Muitow Tracking para guardar modelos Panes ees Sere eee ee ced heen + Etiquetado de modelos y manejo de metadatos. a ee ee! cca + Transiciones de modelos entre diferentes etapas: Staging, Production, archived, SE eee eee See neeea (eee MLOps Curricula / Orquestacion y pipelines de ML _ Sy Pee CM ue Speier ee eran Brwpeiseineeinrenen yr) tiene errgioe psermer nor ere eee ny creer ene eae proend peer er trey Ec enpeelry ee reer Brose aeciivspar seine, naar oy on ro Beene ee Se eee ene oes eee era ed aes See ee et Ee fore me et ee es Se eae See ore a eee ee ee ae Implementacién de pasos de preprocesamito, Sree eee eee See es SR eee ue ee ayea (eee MLOps Curricula / Orquestacion y pipelines de ML _ © Intreduecién a Kubernetes y Hertel Lert See acu ec + Conceptos basicos de contenedores y Docker ieee Se ie ou + Instalacién y configuracién de Kubeflow en un ied eee SC eo ee ee ene) eee ees cre Net See ieee at ea ee + Creacién y gestién de Pods y Deployments. Se eee esea (eee MLOps Curricula / Despliegue de modelos 1 - Peete et eee nee ed eee es tet tes ae ee ere eet Se eee Oe a eC nn de datos de entrada y salida. cheieeebeertes preset see ener Ber et eee cet re peace Ce ee + Carga y servido de modelos de ML en FastAPl. oC Heer arenas ee omieue ree er eee Tee eae ce Ld snail Eecerenynuneniverr nn rrey Dress es raeo oa © cédigotacilito Se (key Curricula / Despliegue tio ie ieios 2 ae Se Bese rrc) eee eet eet ee + Concepts cave del procesamiento en batch. + Diferencias entre el despliogu en streaingy eee ney eres streaming. eee tects eee eee Sed Pee rete on ai Se tee ee ante SO ee et toc ee CCCs Pee eee to re eee eric aplicacién de modelos de ML,@ cédigotacilito ea MLOps Curricula / Monitoreo de modelos - Bleue erie modelos de ML tee cee ty ci See ee toy ponent SCO eee eer ta + configuracin bésica de logging en Python con el Pen’ eee re es as Se eee eee ce + Logging de errores y excepciones durante el ee Se renee rence erie agentes) Seen ee ae ea ec cs ere one Serer renee Pee esea @ cédigotacilito MLOps Curricula / Monitoreo de modelos - a Leal een SE men can Sere d earners Pianos eee eee ee Se eR CU CR Red edge ees eee eee tts Secor tanct eae) De ee eed See etd Cos@ cédigotacilito MLOps Apertura de inscripciones: 19 de Marzo Inicio de clases: 13 de Junioea @ céddigofacilito MLOps *Clases Martes y jueves: bey 0) 1) et ited oa! yeaa ist Nbsial 7pm - == 8pm - #2 47= WET dll Ree [et oO Mo Lea eB selene a em ELLA) ya que todas las clases quedan grabadas.ea (= Berle rorrali MLOps éListo para inscribirte? codigofacilito.com/bootcamps/mlops éAlguna duda? Pe MORN TCO ele al oly@ cédigofacilito Lo que dicen de nuestros Bootcamps