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
- Resumen de los modelos de código abierto de Mistral
- Licencia Apache-2.0 y adopción empresarial
- El rol de Devstral en flujos de trabajo de codificación y agénticos
Autoalojamiento de modelos Mistral y Devstral
- Preparación del entorno y elección de infraestructura
- Contenerización y despliegue con Docker/Kubernetes
- Consideraciones de escalabilidad 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 específica del dominio
Model Ops y versionado
- Mejores prácticas para la gestión del ciclo de vida del modelo
- Estrategias de versionado y reversión de modelos
- Tuberías de 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 normativo y prácticas de IA responsable
Monitoreo y observabilidad
- Rastreo del desvío del modelo y la degradación de la precisión
- Instrumentación para el rendimiento de inferencia
- Flujos de trabajo de alertas y respuesta
Estudios de caso y mejores prácticas
- Casos de uso en la industria de la adopción de Mistral y Devstral
- Equilibrio entre costo, rendimiento y control
- Lecciones aprendidas de Model Ops de código abierto
Resumen y próximos pasos
Requerimientos
- Comprensión de flujos de trabajo de aprendizaje automático
- Experiencia con marcos de ML basados en Python
- Conocimiento de la contenerización y los entornos de despliegue
Público objetivo
- Ingenieros de ML
- Equipos de plataformas de datos
- Ingenieros de investigación
14 Horas