Módulo 1: Introducción a MLOps
🎯 Objetivos de aprendizaje
Al finalizar este módulo, usted podrá:
- Definir MLOps y explicar su importancia en el desarrollo moderno de ML
- Comparar y contrastar MLOps, DevOps y DataOps
- Describir el ciclo de vida completo de ML y sus desafíos
- Identificar los niveles de madurez de MLOps y evaluar la preparación organizacional
📚 Contenido del módulo
Capítulo 1: ¿Qué es MLOps?
Comprender la definición, los principios fundamentales y por qué MLOps se ha vuelto esencial para los sistemas de ML en producción.
Capítulo 2: MLOps vs DevOps vs DataOps
Una comparación detallada de estas prácticas operativas, incluyendo estructuras de equipo y responsabilidades.
Capítulo 3: El ciclo de vida de ML
El recorrido completo desde la recopilación de datos hasta el despliegue del modelo, incluyendo bucles de retroalimentación y desencadenantes de reentrenamiento.
⏱️ Tiempo estimado
| Actividad | Duración |
|---|---|
| Lectura | 2 horas |
| Ejercicios | 1 hora |
| Cuestionario | 30 minutos |
| Total | 3.5 horas |
🔑 Conceptos clave
📋 Requisitos previos
Antes de comenzar este módulo, asegúrese de tener:
- Comprensión básica de los conceptos de machine learning
- Familiaridad con las prácticas de desarrollo de software
- Conocimiento de conceptos básicos de DevOps (CI/CD, control de versiones)
🚀 ¡Comencemos!
Inicie con Capítulo 1: ¿Qué es MLOps? para comprender los fundamentos.