MLOps (Operaciones de Machine Learning)

Aprende los principios y prácticas para desplegar, monitorear y mantener modelos de machine learning en producción. Cierra la brecha entre la ciencia de datos y DevOps.

17 courses

Implementación de modelos de aprendizaje automático y canalizaciones de producción

Transición de la investigación a la producción aprendiendo a empaquetar, probar e implementar modelos de aprendizaje automático a través de canalizaciones robustas.
★ 4.4 (6,193)

Aprendizaje automático y MLOps de Azure: cree e implemente modelos de ML

Obtenga las habilidades fundamentales para operacionalizar y administrar modelos de aprendizaje automático de manera efectiva, desde el desarrollo hasta la implementación, usando los principios de Azure Machine Learning y MLOps.
★ 4.5 (9,407)

Introducción a MLOps: crear e implementar canalizaciones con Azure

Aprenda a cerrar la brecha entre la ciencia de datos y la producción diseñando canalizaciones de integración, entrega y capacitación continuas con Azure DevOps y Azure Machine Learning.
★ 4.6 (1,000)

Fundamentos de ciencia y análisis de datos

Domine los conceptos básicos del análisis de datos y el aprendizaje automático para extraer información práctica y tomar decisiones informadas utilizando herramientas modernas de Python.
★ 5.0 (6,972)

Preparación para la certificación de ingeniero de aprendizaje automático en la nube

Domine el aprendizaje automático basado en la nube, las MLOps y la implementación de modelos para prepararse para su certificación profesional de ingeniero de ML en la nube.
★ 4.4 (4,958)

Ciencia de datos y aprendizaje automático con aplicaciones del mundo real

Construya una base sólida en ciencia de datos y aprendizaje automático, aprenda a analizar datos e implemente modelos para industrias del mundo real.
★ 4.7 (4,717)

Aprendizaje automático y TensorFlow en la infraestructura de la nube

Aprenda a crear, entrenar e implementar modelos profesionales de aprendizaje automático con TensorFlow en un entorno de nube moderno.
★ 4.4 (3,778)

Fundamentos de aprendizaje automático escalable y big data

Aprenda a procesar conjuntos de datos masivos y a crear modelos predictivos utilizando computación distribuida y patrones de IA modernos.
★ 4.6 (2,504)

Aprendizaje automático de Azure: creación y administración de soluciones

Aprenda a desarrollar, implementar y monitorear modelos de aprendizaje automático en la nube usando el SDK de Python y las prácticas modernas de MLOps.
★ 3.7 (71)

MLOps fundamentales con plataformas en la nube

Aprenda a crear, entrenar e implementar modelos de aprendizaje automático en producción utilizando prácticas esenciales de MLOps basadas en la nube.
★ 3.5 (56)

Implementación de modelos de aprendizaje automático

Aprenda a implementar modelos de aprendizaje automático y a crear productos de datos prácticos para aplicaciones del mundo real.
★ 3.6 (54)

Fundamentos de análisis de datos en la nube y aprendizaje automático

Cree canalizaciones de datos inteligentes e implemente modelos de aprendizaje automático con BigQuery ML y Vertex AI para impulsar la toma de decisiones basada en datos.
★ 4.5 (31)

Cree modelos de aprendizaje automático con TensorFlow en la nube

Comprenda el flujo de trabajo completo del aprendizaje automático, desde la preparación de datos hasta la implementación de modelos, con TensorFlow y servicios esenciales en la nube.
★ 4.2 (31)

Ciencia de datos y aprendizaje automático de Azure para el examen DP-100

Aprenda a diseñar, implementar y administrar soluciones de aprendizaje automático integrales en Azure mientras se prepara para la certificación DP-100.
★ 4.6 (30)

Fundamentos de IA y aprendizaje automático de Azure

Domine el ciclo de vida del aprendizaje automático basado en la nube, desde la preparación inicial de datos hasta la implementación y supervisión automatizadas de modelos.
★ 4.7 (26)

Fundamentos de la infraestructura de IA de la plataforma en la nube

Aprenda a crear, implementar y administrar una infraestructura de nube escalable para cargas de trabajo de inteligencia artificial utilizando prácticas de contenedores modernos y MLOps.
★ 4.3 (25)

Flujo de trabajo de aprendizaje automático: de los datos a la implementación

Comprenda el proceso iterativo completo de creación e implementación de modelos de aprendizaje automático, lo que le permitirá desarrollar soluciones prácticas de IA.
★ 4.7 (21)