Azure ML Foundations: Despliegue, Gestión y Experimentación con Modelos

La transición de entrenar un modelo localmente a ejecutar flujos de trabajo escalables en la nube puede resultar abrumadora. Este curso simplifica ese proceso guiándote a través de las características principales de Azure Machine Learning. Obtendrás las habilidades prácticas necesarias para registrar conjuntos de datos, ejecutar experimentos basados en la nube, rastrear métricas de rendimiento y desplegar tus modelos entrenados como servicios web accesibles. Lo que aprenderás: 1. Comprender los conceptos fundamentales de Azure ML, grupos de recursos y arquitectura del espacio de trabajo. 2. Configurar instancias de cómputo y clústeres de cómputo para el entrenamiento de modelos escalables. 3. Ejecutar y rastrear experimentos de machine learning utilizando el SDK de Azure ML y MLflow. 4. Registrar, versionar y gestionar modelos entrenados en el registro central de modelos. 5. Desplegar modelos como endpoints en tiempo real y probar su capacidad de respuesta. 6. Aplicar prácticas básicas de MLOps para monitorizar el rendimiento del modelo. El curso comienza con la terminología esencial y la configuración del espacio de trabajo, luego progresa a través de la configuración práctica de recursos de cómputo, el seguimiento de experimentos y las estrategias de despliegue de modelos. Este curso está diseñado para principiantes en machine learning en la nube y profesionales de datos que buscan migrar sus flujos de trabajo a Azure. No se requiere experiencia previa en ingeniería en la nube. Comienza tu viaje de machine learning en la nube y optimiza el ciclo de vida de tus modelos hoy mismo.