Introducción a MLOps - Machine Learning Operations

Curso

Introducción a MLOps - Machine Learning Operations

Departamento de Ingeniería Industrial
Inicio / Programas / Introducción a MLOps - Machine Learning Operations

MLOps es un área en la intersección de machine learning y desarrollo de software que surge para atender las necesidades de mejorar la productividad de los modelos de aprendizaje de máquina. Aunque, el desarrollo mismo de los modelos es el paso que suele enfatizarse en el área de aprendizaje de máquina, MLOps ofrece métodos y herramientas para facilitar el paso a producción, donde otros aspectos deben ser considerados. El curso de MLOps toma principios de DevOps y los desarrolla en el entorno de modelos de aprendizaje de máquina, donde además del código y los modelos, los datos son elementos de primer nivel. 

El curso es fundamentalmente práctico y computacional, orientado al estudiante en la comprensión y uso de herramientas actualmente empleadas para el despliegue de soluciones analíticas. 

Dirigido a

Profesionales con algo de experiencia en el desarrollo de modelos de aprendizaje de máquina, con conocimientos en Python al nivel de cargar y procesar datos, y entrenar modelos de aprendizaje de máquina empleando librerías como numpy, pandas, sciki-learn y tensorflow.

Objetivos

Al finalizar el curso el estudiante estará en capacidad de: 

  • Emplear herramientas para hacer nuevas versiones de código, modelos y datos.  
  • Hacer uso de recursos en la nube a nivel de infraestructura y servicios administrados.  
  • Desplegar tableros de analítica localmente y en recursos remotos.  
  • Empaquetar modelos para que puedan interactuar con otras aplicaciones. 

Metodología

Clases virtuales sincrónicas con un componente fundamentalmente práctico. En cada sesión se presentarán algunos conceptos iniciales y luego se desarrollará una actividad práctica en la que se emplearán herramientas asociadas al tema de la sesión.

Contenido

El curso abordará los siguientes temas:

  • Ciclo de vida de los datos.
  • Experimentos y ciclo de vida de los modelos.
  • Empaquetamiento de modelos.  
  • APIs.
  • Despliegue en la nube.

Profesores

Juan Fernando Pérez

Profesional Distinguido en el Departamento de Ingeniería Industrial, Universidad de los Andes, Colombia. Juan obtuvo su grado de PhD en Ciencias de la Computación de la University of Antwerp, Bélgica, en 2010. Tiene un pregrado y maestría en Ingeniería Industrial de la Universidad de los Andes, Colombia, 2006. Juan fue Investigador postdoctoral en análisis de desempeño en Imperial College London, UK, Department of Computing, y en modelamiento estocástico en la University of Melbourne, Australia, School of Mathematics and Statistics. Juan lideró la creación de la Escuela de Ingeniería, Ciencia y Tecnología de la Universidad del Rosario, Colombia, y contribuyó a la creación del programa de Matemáticas Aplicadas y Ciencias de la Computación. Sus intereses se centran en el análisis de datos para la toma de decisiones, el análisis de desempeño de sistemas de computadores, especialmente en aplicaciones de software intensivas en datos empleadas para ejecutar trabajos de aprendizaje de máquina de gran escala, computación en clusters y en la nube.

Condiciones

Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar sus profesores o cancelar el programa. En este caso el participante podrá optar por la devolución de su dinero o reinvertirlo en otro curso de Educación Continua que se ofrezca en ese momento, asumiendo la diferencia si la hubiere.

La apertura y desarrollo del programa estará sujeto al número de inscritos. El Departamento/Facultad (Unidad académica que ofrece el curso) de la Universidad de los Andes se reserva el derecho de admisión dependiendo del perfil académico de los aspirantes.