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
- Visión 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.
Autoalojamiento de Modelos Mistral y Devstral
- Preparación del entorno y elecciones de infraestructura.
- Virtualización y despliegue con Docker/Kubernetes.
- Consideraciones de escalado para uso en producción.
Técnicas de Ajuste Fino
- Ajuste fino supervisado vs. ajuste eficiente en parámetros.
- Preparación y limpieza de conjuntos de datos.
- Ejemplos de personalización para dominios específicos.
Gestión de Modelos y Versionado
- Mejores prácticas para la gestión del ciclo de vida del modelo.
- Estrategias de versionado y reversión de modelos.
- Canalizaciones CI/CD para modelos de ML.
Gobernanza y Cumplimiento Normativo
- Consideraciones de seguridad para el despliegue de código abierto.
- Monitoreo y auditoría en contextos empresariales.
- Marco normativo y prácticas de IA responsable.
Monitoreo y Observabilidad
- Rastreo de la deriva del modelo y la degradación de la precisión.
- Instrumenación para el rendimiento de la inferencia.
- Flujos de trabajo de alertas y respuesta.
Casos de Estudio y Mejores Prácticas
- Casos de uso industriales de la adopción de Mistral y Devstral.
- Equilibrio entre costo, rendimiento y control.
- Lecciones aprendidas de las Operaciones de Modelos de Código Abierto (Model Ops).
Resumen y Siguientes Pasos
Requerimientos
- Comprensión de los flujos de trabajo de aprendizaje automático.
- Experiencia con frameworks de ML basados en Python.
- Conocimiento de entornos de virtualización y despliegue.
Público Objetivo
- Ingenieros de ML.
- Equipos de plataformas de datos.
- Ingenieros de investigación.
14 Horas
