Machine Learning de Producción para Ingenieros de Software

Como desarrollador de software, escribir código limpio es algo natural, pero la transición al machine learning requiere un cambio fundamental en la forma de construir y mantener sistemas. Este curso, solo de texto, cierra la brecha entre la ingeniería de software y la ciencia de datos, enseñándote a operacionalizar y gestionar modelos de machine learning en entornos de producción. Comenzarás dominando los conceptos y la terminología fundamentales del machine learning antes de pasar a flujos de trabajo de integración prácticos. Al leer explicaciones claras y ejemplos de código estructurados, aprenderás a convertir modelos brutos en servicios fiables y listos para producción. Lo que aprenderás: - Comprender los conceptos centrales del machine learning, las etapas del pipeline y la terminología. - Construir y evaluar modelos predictivos utilizando bibliotecas modernas de Python. - Empaquetar modelos de machine learning en entornos reproducibles utilizando Docker. - Desplegar modelos como APIs web escalables y de alto rendimiento con FastAPI. - Implementar estrategias básicas de monitorización para rastrear el rendimiento del modelo y la deriva de datos. - Aplicar las mejores prácticas de pruebas y control de versiones al código de machine learning. Este curso comienza con conceptos y vocabulario esenciales antes de guiarte a través del empaquetado de modelos, el desarrollo de APIs y los pipelines de despliegue. Está diseñado específicamente para ingenieros de software y desarrolladores que desean añadir la ingeniería de machine learning a su conjunto de habilidades, sin necesidad de experiencia previa en ciencia de datos. Comienza a construir y desplegar sistemas de machine learning listos para producción hoy mismo.