Inteligencia Artificial (IA) y AWS MLOps Engineering: Implementación y Monitorización de Modelos ML

Objetivos

Objetivos de la formación en AWS MLOps

Al final de esta formación serás capaz de:

• Explicar las ventajas de MLOps
• Comparar DevOps y MLOps
• Evaluar los requisitos de seguridad y de gobernanza para un caso práctico de Machine Learning y describir las posibles soluciones y estrategias de mitigación
• Implementar entornos de experimentación para MLOps con AMAZON SAGEMAKER
• Explicar las mejores prácticas de versionado y de mantenimiento de la integridad de los activos de modelos ML (datos, modelo y código)
• Describir tres opciones para crear un pipeline CI/CD completo en un contexto de Machine Learning
• Recordar las mejores prácticas para implementar packaging, pruebas y deployment automatizados (datos / modelo / código)
• Monitorizar soluciones basadas en Machine Learning
• Automatizar una solución ML que pruebe, empaquete e implemente un modelo automáticamente, detecte la degradación del rendimiento y vuelva a entrenar el modelo a partir de nuevos datos

Público objetivo de la formación en AWS MLOps

Ingenieros MLOps que deseen poner en producción y monitorizar modelos de Machine Learning en la nube AWS y/o ingenieros DevOps responsables de implementar y mantener con éxito modelos de Machine Learning en producción.

Requisitos previos de la formación en AWS MLOps

Haber realizado la formación AWS-FND «Amazon Web Services – Nociones técnicas de base». Haber realizado las formaciones «DevOps Engineering on AWS» y «Practical Data Science with Amazon SageMaker» o poseer conocimientos equivalentes.

Duración

Programa

Programa de la formación en AWS MLOps

Día 1:

Introducción a MLOps

• Procesos
• Personas
• Tecnología
• Seguridad y gobernanza
• Modelo de madurez MLOps

MLOps inicial – entornos de experimentación en SageMaker Studio

• Llevar MLOps a la fase de experimentación
• Configuración de un entorno de experimentación ML

Ejemplos de ejercicios prácticos (a título indicativo)

• Creación y actualización de una configuración de ciclo de vida para SAGEMAKER STUDIO
• Implementación de un entorno SAGEMAKER STUDIO con AWS SERVICE CATALOG

MLOps repetible – repositorios

• Gestión de datos para MLOps
• Control de versiones de modelos ML
• Repositorios de código en Machine Learning

MLOps repetible – orquestación

• Pipelines de Machine Learning

Ejemplos de ejercicios prácticos (a título indicativo)

• Uso de SAGEMAKER PIPELINES para orquestar pipelines de creación de modelos

Día 2

MLOps repetible – orquestación (continuación)

• Orquestación end-to-end con AWS STEP FUNCTIONS
• Orquestación end-to-end con SAGEMAKER PROJECTS
• Uso de herramientas de terceros para la repetibilidad
• Gobernanza y seguridad

Ejemplos de ejercicios prácticos (a título indicativo)

• Automatización de un flujo de trabajo con STEP FUNCTIONS
• Estandarización de un pipeline ML end-to-end con SAGEMAKER PROJECTS
• Exploración de la intervención humana durante la inferencia
• Exploración de mejores prácticas de seguridad para SAGEMAKER

MLOps fiable – escalabilidad y pruebas

• Estrategias de escalabilidad y multi-cuenta
• Pruebas y redirección de tráfico

Ejemplos de ejercicios prácticos (a título indicativo)

• Uso del SAGEMAKER INFERENCE RECOMMENDER
• Prueba de variantes de modelos

Día 3

MLOps fiable – escalabilidad y pruebas (continuación)

Ejemplos de ejercicios prácticos (a título indicativo)

• Redirección de tráfico

MLOps fiable – monitorización

• La importancia de la monitorización en Machine Learning
• Consideraciones operativas para la monitorización de modelos
• Resolver problemas identificados mediante la monitorización de soluciones ML

Ejemplos de ejercicios prácticos (a título indicativo)

• Monitorización de un modelo para detectar deriva de datos
• Creación y resolución de problemas de un pipeline ML

Nota: El contenido de este programa puede ser objeto de adaptación en función de los niveles, requisitos previos y necesidades de los participantes.

Metodología de la formación en AWS MLOps

Formación impartida de forma presencial o a distancia (blended learning, e-learning, clase virtual o presencial a distancia).

El formador alterna entre método demostrativo, interrogativo y activo (a través de ejercicios prácticos y/o simulaciones).

Evaluación de los aprendizajes

• A lo largo de la formación: a través de los ejercicios prácticos realizados en los labs y actividades aplicadas
• Evaluaciones mediante cuestionarios, estudios de caso o simulaciones

Metodología

Metodología de la formación en AIOps Foundation

Formación impartida de forma presencial o a distancia (blended learning, e-learning, clase virtual o presencial a distancia).

El formador alterna entre método demostrativo, interrogativo y activo (a través de ejercicios prácticos y/o simulaciones).

Evaluación del aprendizaje

• A lo largo de la formación: a través de ejercicios prácticos y actividades aplicadas
• Después de la formación: a través de la realización de la certificación AIOps Foundation℠

Bonificación Fundae

Esta formación es bonificable a través de FUNDAE para todas las empresas que cuenten con trabajadores en régimen general de la Seguridad Social y dispongan de crédito formativo. SKOLAE Formación gestiona todo el proceso administrativo necesario para que tu empresa pueda recuperar el importe invertido en la formación, siempre que se cumplan los requisitos legales y de comunicación establecidos por FUNDAE.

Formador

Profesional especializado en Inteligencia Artificial (IA), Machine Learning y arquitecturas MLOps en entornos AWS.

Cuenta con experiencia en la implementación de soluciones de Machine Learning en producción utilizando herramientas como AMAZON SAGEMAKER, AWS STEP FUNCTIONS y pipelines CI/CD.

Ha participado en proyectos de automatización de modelos ML, monitorización de rendimiento, gestión de pipelines y despliegue de soluciones escalables en la nube.

Combina experiencia técnica con enfoque práctico, facilitando la comprensión mediante ejercicios aplicados, simulaciones y casos reales.

¿Te gustó esta formación? Suscríbete a nuestra Newsletter pinchando aquí. También te animamos a seguirnos en LinkedIn, Instagram y Facebook y así estarás al día de todas nuestras novedades.