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.
Duración 14 horas
Temario del curso
Introducción a los modelos Devstral y Mistral
- Resumen de los modelos de código abierto de Mistral
- Licencia Apache-2.0 y adopción empresarial
- El papel de Devstral en flujos de trabajo de codificación y agentes autónomos (agentic)
Autoalojamiento de modelos Mistral y Devstral
- Preparación del entorno y opciones de infraestructura
- Contenedorización y despliegue con Docker/Kubernetes
- Consideraciones de escalabilidad para uso en producción
Técnicas de Fine-Tuning
- Fine-tuning supervisado vs. ajuste eficiente de parámetros
- Preparación y limpieza de conjuntos de datos
- Ejemplos de personalización específica por dominio
Model Ops y Versionado
- Buenas prácticas para la gestión del ciclo de vida de los modelos
- Versionado de modelos y estrategias de reversión (rollback)
- Pipelines de 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 de cumplimiento normativo y prácticas de IA responsable
Monitoreo y Observabilidad
- Seguimiento del desfase del modelo (model drift) y la degradación de la precisión
- Instrumentación para el rendimiento de inferencia
- Flujos de trabajo de alertas y respuesta
Estudios de Caso y Buenas Prácticas
- Casos de uso en la industria de la adopción de Mistral y Devstral
- Equilibrio entre costo, rendimiento y control
- Aprendizajes obtenidos de Model Ops de código abierto
Resumen y Próximos Pasos
Requerimientos
- Comprensión de los flujos de trabajo de aprendizaje automático (Machine Learning).
- Experiencia con marcos de trabajo (frameworks) de ML basados en Python.
- Conocimiento sobre contenedorización y entornos de despliegue.
Público Objetivo
- Ingenieros de ML.
- Equipos de plataformas de datos.
- Ingenieros de investigación.
