Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a los modelos Devstral y Mistral
- Descripción general de los modelos de código abierto de Mistral
- Licenciamiento Apache-2.0 y adopción empresarial
- El papel de Devstral en flujos de trabajo de codificación y agentes
Hospedaje propio de los modelos Mistral y Devstral
- Preparación del entorno y opciones de infraestructura
- Contenerización y despliegue con Docker/Kubernetes
- Consideraciones de escalabilidad para uso en producción
Técnicas de ajuste fino
- Ajuste supervisado vs. ajuste eficiente de parámetros
- Preparación y limpieza del conjunto de datos
- Ejemplos de personalización específica del dominio
Gestión y versionado de modelos
- Mejores prácticas para la gestión del ciclo de vida de los modelos
- Versionado de modelos y estrategias de reversión
- Pipelines CI/CD para modelos de ML
Gobernanza y cumplimiento
- Consideraciones de seguridad para el despliegue de código abierto
- Monitoreo y auditoría en contextos empresariales
- Marcos de cumplimiento y prácticas de IA responsable
Monitoreo y observabilidad
- Seguimiento de la deriva del modelo y la degradación de precisión
- Instrumentación para el rendimiento de inferencia
- Flujos de trabajo de alerta y respuesta
Casos de estudio y mejores prácticas
- Uso en la industria de los modelos Mistral y Devstral
- Equilibrio entre costo, rendimiento y control
- Lecciones aprendidas del Model Ops de código abierto
Resumen y próximos pasos
Requerimientos
- Un conocimiento de los flujos de trabajo de aprendizaje automático
- Experiencia con marcos de ML basados en Python
- Familiaridad con la contenerización y entornos de implementación
Audiencia
- Ingenieros de ML
- Equipos de plataformas de datos
- Ingenieros de investigación
14 Horas
