Curso de MLOps para Azure Machine Learning

Este curso de formación en vivo dirigido por un instructor en Guatemala (en línea o presencial) está dirigido a ingenieros de IA y científicos de datos de nivel avanzado con experiencia intermedia a avanzada que desean mejorar DeepSeek el rendimiento del modelo, minimizar la latencia y implementar soluciones de IA de manera eficiente utilizando prácticas modernas MLOps.

Al final de esta capacitación, los participantes podrán:

• Optimizar DeepSeek modelos para eficiencia, precisión y escalabilidad.
• Implementar buenas prácticas para MLOps y versionado de modelos.
• Desplegar DeepSeek modelos en infraestructuras en la nube y locales.
• Monitorear, mantener y escalar soluciones de IA de manera efectiva.

Esta capacitación permite a los delegados mejorar sus habilidades de diseño de soluciones.

Después de esta capacitación, el delegado comprenderá las características y capacidades de los servicios, para poder identificar compensaciones y tomar decisiones para diseñar soluciones de nube pública e híbrida.

Durante la capacitación, se definirán las soluciones de infraestructura y plataforma adecuadas para cumplir con los requisitos funcionales, operativos y de implementación requeridos a lo largo del ciclo de vida de la solución.

Esta formación en directo dirigida por un instructor en Guatemala (en línea o in situ) está dirigida a desarrolladores que desean aprender a crear microservicios en Microsoft Azure Service Fabric (ASF).

Al final de esta capacitación, los participantes serán capaces de:

• Utilice ASF como plataforma para crear y administrar microservicios.
• Comprender los conceptos y modelos clave de programación de microservicios.
• Cree un clúster en Azure.
• Implemente microservicios en las instalaciones o en la nube.
• Depurar y solucionar problemas de una aplicación de microservicios activa.

Azure Bot Service combina el poder de Microsoft Bot Framework y las funciones de Azure para permitir el rápido desarrollo de bots inteligentes.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo crear fácilmente un bot inteligente usando Microsoft Azure

Al final de esta capacitación, los participantes podrán:

• Aprender los fundamentos de los bots inteligentes
• Aprender a crear bots inteligentes utilizando aplicaciones en la nube
• Entender cómo usar el Microsoft Bot Framework, el Bot Builder SDK y el servicio de bot Azure
• Comprender cómo diseñar bots usando patrones de bots
• Desarrollar su primer bot inteligente utilizando Microsoft Azure

Audiencia

• Desarrolladores
• Enthusiastas
• Ingenieros
• Profesionales de TI

Formato del curso

• Parte teórica, parte discusión, ejercicios y práctica intensiva

En esta formación en vivo dirigida por un instructor en Guatemala (presencial o remota), los participantes aprenderán los conceptos fundamentales, componentes y servicios de Microsoft Azure mientras pasan por la creación de una aplicación云应用

Al final de esta capacitación, los participantes serán capaces de:

• Comprender las bases de Microsoft Azure
• Entender las diferentes herramientas y servicios de Azure
• Aprender a utilizar Azure para construir aplicaciones en la nube

Internet of Things (IoT) es una infraestructura de red que conecta objetos físicos y aplicaciones de software de forma inalámbrica, lo que les permite comunicarse entre sí e intercambiar datos a través de comunicaciones de red, computación en la nube y captura de datos. Azure es un conjunto completo de servicios en la nube que ofrece una suite de IoT que consta de soluciones preconfiguradas que ayudan a los desarrolladores a acelerar el desarrollo de proyectos de IoT.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a desarrollar aplicaciones de IoT utilizando Azure.

Al final de esta formación, los participantes serán capaces de:

• Comprender los fundamentos de la arquitectura de IoT
• Instalación y configuración de Azure IoT Suite
• Conozca los beneficios de usar Azure en la programación de sistemas IoT
• Implementación de varios Azure servicios de IoT (IoT Hub, Functions, Stream Analytics, Power BI, Cosmos DB, DocumentDB, IoT Device Management)
• Cree, pruebe, implemente y solucione problemas de un sistema IoT mediante Azure

Audiencia

• Desarrolladores
• Ingenieros

Formato del curso

• En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada

Nota

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.

Esta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a desarrolladores y científicos de datos que desean crear, implementar y administrar flujos de trabajo de aprendizaje automático en Kubernetes.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure Kubeflow en las instalaciones y en la nube mediante AWS EKS (Elastic Kubernetes Service).
• Cree, implemente y administre flujos de trabajo de ML basados en Docker contenedores y Kubernetes.
• Ejecute canalizaciones completas de aprendizaje automático en diversas arquitecturas y entornos en la nube.
• Uso de Kubeflow para generar y administrar cuadernos de Jupyter Notebook.
• Cree entrenamiento de ML, ajuste de hiperparámetros y entrega de cargas de trabajo en múltiples plataformas.

Esta capacitación en vivo dirigida por un instructor en Guatemala (en línea o in situ) está dirigida a ingenieros que desean implementar Machine Learning cargas de trabajo en un servidor de AWS EC2.

Al final de esta capacitación, los participantes serán capaces de:

• Instale y configure Kubernetes, Kubeflow y otro software necesario en AWS.
• Utilice EKS (Elastic Kubernetes Service) para simplificar el trabajo de inicialización de un clúster de Kubernetes en AWS.
• Cree e implemente una canalización de Kubernetes para automatizar y administrar modelos de ML en producción.
• Entrene e implemente TensorFlow modelos de ML en varias GPU y máquinas que se ejecutan en paralelo.
• Aproveche otros servicios administrados de AWS para ampliar una aplicación de ML.

Esta formación en vivo dirigida por un instructor en Guatemala (en línea o in situ) está dirigida a ingenieros que desean implementar Machine Learning cargas de trabajo en la nube de Azure.

Al final de esta capacitación, los participantes serán capaces de:

• Instale y configure Kubernetes, Kubeflow y otro software necesario en Azure.
Use Azure Kubernetes
• Service (AKS) para simplificar el trabajo de inicialización de un clúster de Kubernetes en Azure.
• Cree e implemente una canalización de Kubernetes para automatizar y administrar modelos de ML en producción.
• Entrene e implemente TensorFlow modelos de ML en varias GPU y máquinas que se ejecutan en paralelo.
• Aproveche otros servicios administrados de AWS para ampliar una aplicación de ML.

Esta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a desarrolladores y científicos de datos que desean crear, implementar y administrar flujos de trabajo de aprendizaje automático en Kubernetes.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure Kubeflow en las instalaciones y en la nube.
• Cree, implemente y administre flujos de trabajo de ML basados en Docker contenedores y Kubernetes.
• Ejecute canalizaciones completas de aprendizaje automático en diversas arquitecturas y entornos en la nube.
• Uso de Kubeflow para generar y administrar cuadernos de Jupyter Notebook.
• Cree entrenamiento de ML, ajuste de hiperparámetros y entrega de cargas de trabajo en múltiples plataformas.

En esta formación en vivo dirigida por un instructor en Guatemala (en línea o presencial), los participantes aprenderán a configurar y administrar un entorno de contenedores a escala de producción mediante Kubernetes en AKS. 

Al final de esta formación, los participantes serán capaces de:

• Configurar y administrar Kubernetes en AKS.
• Implemente, administre y escale un clúster Kubernetes.
• Implemente aplicaciones en contenedores (Docker) en Azure.
• Migre un entorno existente Kubernetes del entorno local a la nube de AKS.
• Integre Kubernetes con software de integración continua (CI) de terceros.
• Garantice la alta disponibilidad y la recuperación ante desastres en Kubernetes.

Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a científicos de datos que desean ir más allá de la creación de modelos de ML y optimizar el proceso de creación, seguimiento e implementación de modelos de ML.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure MLflow y las bibliotecas y marcos de ML relacionados.
• Apreciar la importancia de la trazabilidad, la reproducibilidad y la capacidad de implementación de un modelo de ML
• Implemente modelos de ML en diferentes nubes públicas, plataformas o servidores locales.
• Escale el proceso de implementación de ML para dar cabida a varios usuarios que colaboran en un proyecto.
• Configure un registro central para experimentar, reproducir e implementar modelos de ML.

Este curso de formación en vivo guiado por un instructor en Guatemala (en línea o presencial) está dirigido a ingenieros que deseen evaluar los enfoques y herramientas disponibles hoy en día para tomar una decisión inteligente sobre el camino a seguir en la adopción de MLOps dentro de su organización.

Al finalizar este curso, los participantes serán capaces de:

• Instalar y configurar diversos marcos y herramientas de MLOps.
• Formar el equipo adecuado con las habilidades necesarias para construir y soportar un sistema de MLOps.
• Preparar, validar y versionar datos para su uso por modelos de ML.
• Comprender los componentes de una canalización de ML (ML Pipeline) y las herramientas necesarias para construirla.
• Experimentar con diferentes marcos y servidores de aprendizaje automático para su despliegue en producción.
• Operacionalizar el proceso completo de Aprendizaje Automático para que sea reproducible y mantenible.