Ingeniería de Machine Learning en Producción: Empaquetado, APIs y Pruebas

Transicionar un modelo de machine learning de un notebook local a un entorno de producción confiable requiere habilidades de ingeniería especializadas. Este curso basado en texto te guía a través de los pasos fundamentales de empaquetado, servicio y prueba de tus modelos. Aprenderás a convertir archivos de modelo brutos en paquetes de Python limpios y reproducibles, envolverlos en APIs de alto rendimiento y escribir pruebas robustas para prevenir fallos en el despliegue. Lo que aprenderás: - Comprender los conceptos fundamentales de ML en producción y la transición de la investigación al despliegue. - Empaquetar modelos de machine learning utilizando herramientas modernas de empaquetado de Python como Poetry. - Construir APIs limpias y de alto rendimiento utilizando FastAPI para servir predicciones de modelos. - Escribir pruebas unitarias y de integración automatizadas utilizando pytest para garantizar la confiabilidad del modelo y del pipeline. - Implementar esquemas de validación para asegurar y verificar los datos de entrada antes de que lleguen a tu modelo. - Estructurar tu código base de ML para una integración fluida en pipelines de entrega continua. El curso comienza con definiciones centrales y patrones estructurales antes de avanzar paso a paso a través del empaquetado de código, la creación de APIs y estrategias de prueba integrales. Este programa está diseñado para aspirantes a ingenieros de ML, científicos de datos y desarrolladores de software que transicionan a operaciones de machine learning, requiriendo solo conocimiento básico de Python. Comienza a leer hoy mismo para cerrar la brecha entre el entrenamiento del modelo y el despliegue en producción.