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.
- Licencia Apache-2.0 y adopción empresarial.
- El papel de Devstral en flujos de trabajo de codificación y agentes (agentic).
Autoalojamiento de modelos Mistral y Devstral
- Preparación del entorno y selección de infraestructura.
- Contenedorización y despliegue con Docker/Kubernetes.
- Consideraciones de escalabilidad para uso en producción.
Técnicas de ajuste fino
- Ajuste fino supervisado frente a ajuste eficiente en parámetros.
- Preparación y limpieza de conjuntos de datos.
- Ejemplos de personalización según el dominio específico.
Operaciones de modelos (Model Ops) y control de versiones
- Mejores prácticas para la gestión del ciclo de vida de los modelos.
- Estrategias de control de versiones y reversiones de modelos.
- Pipelines de CI/CD para modelos de ML.
Gobernanza y cumplimiento normativo
- Consideraciones de seguridad para el despliegue de código abierto.
- Monitoreo y auditabilidad en contextos empresariales.
- Marco de cumplimiento y prácticas de IA responsable.
Monitoreo y observabilidad
- Rastreo del desplazamiento del modelo (model drift) y degradación de la precisión.
- Instrumentación para el rendimiento de inferencia.
- Flujos de trabajo de alertas y respuesta.
Casos de estudio y mejores prácticas
- Casos de uso industrial en la adopción de Mistral y Devstral.
- Equilibrio entre costo, rendimiento y control.
- Lecciones aprendidas de las operaciones de modelos de código abierto.
Resumen y próximos pasos
Requerimientos
- Comprensión de los flujos de trabajo de aprendizaje automático.
- Experiencia con marcos de aprendizaje automático basados en Python.
- Conocimiento de entornos de contenedorización y despliegue.
Público objetivo
- Ingenieros de ML.
- Equipos de plataformas de datos.
- Ingenieros de investigación.
14 Horas
