El objetivo de este curso es proporcionar una visión general de todos los pasos necesarios para pasar un modelo de Machine Learning desde un entorno de investigación y desarrollo (como un Jupiter Notebook) a una aplicación front-end bien probada e implementada que sirva modelos de Machine Learning. El curso no se sumergirá en detalles específicos de MLOps, sino que está orientado a ayudarlo a comprender el proceso y el flujo de implementación. Piense en esto como el primer paso para aprender a ofrecer valor con el Machine Learning.
Contenido
- Desarrollo y Empaquetado de Modelos de ML
- Introducción al Despliegue de Modelos de ML
- Implementación de Modelos de ML vía REST API
- Desarrollo de Aplicaciones Web de ML <Front-End>
- Contenerización de Modelos y Aplicaciones de ML con Docker
- Despliegue y Monitorización de Aplicaciones de ML en Amazon Web Services
- AWS basics
- Amazon Elastic Container Registry
- Amazon Elastic Beanstalk
- Amazon CloudWatch
