MLOps y Producción

Un curso de MLOps: cómo llevar un modelo de Machine Learning de un notebook a un sistema en producción, y cómo mantenerlo ahí. Cubre desde la ingeniería de datos y los pipelines de entrenamiento hasta el versionamiento, el despliegue como servicio, la contenerización, el CI/CD y la operación diaria — monitoreo, interpretabilidad y comunicación técnica incluidos.

Los módulos están pensados para leerse en orden.

Módulo 1 — Fundamentos y arquitectura

1. Pandas vs Polars: de la ingeniería de datos clásica a los motores analíticos modernos
2. Arquitectura integral de IA y MLOps

Módulo 2 — Datos

3. Fundamentos de ETL para datos de producción
4. Calidad del dato: limpieza, nulos y valores atípicos
5. Calidad del dato en producción
6. Feature Engineering y pipelines reproducibles

Módulo 3 — Entrenamiento

7. Pipelines reproducibles de Machine Learning
8. Automatización del entrenamiento de modelos
9. Orquestación de workflows en IA

Módulo 4 — Versionado y despliegue

10. Versionamiento y gestión de experimentos
11. Despliegue de modelos como servicios
12. Contenerización y portabilidad
13. CI/CD aplicado a Machine Learning

Módulo 5 — Operación en producción

14. Monitoreo y estabilidad en producción
15. Interpretabilidad y transparencia en IA
16. Comunicación técnica de sistemas inteligentes

Todas las clases publicadas