Pruebas y Automatización de Pipelines de ML

Los sistemas de machine learning del mundo real cambian con el tiempo a medida que los datos se modifican, lo que hace de las pruebas automatizadas un requisito crítico para los pipelines de producción. Este curso te enseña a establecer pruebas estructuradas para detectar errores antes de que afecten a tus usuarios. Pasarás de la evaluación manual de modelos a la construcción de flujos de trabajo de pruebas automatizadas que validan la calidad de los datos, la corrección del código y el rendimiento del modelo. A través de explicaciones escritas claras y ejemplos de código prácticos, aprenderás a implementar verificaciones robustas en cada etapa de tu pipeline de machine learning. Lo que aprenderás: - Comprender los conceptos fundamentales de las pruebas de ML, incluida la validación de datos, la regresión de modelos y la integridad del pipeline. - Implementar pruebas automatizadas utilizando pytest para verificar los pasos de preprocesamiento de datos y ingeniería de características. - Detectar la deriva de datos y de conceptos para garantizar que tu modelo siga siendo preciso a medida que cambian los datos del mundo real. - Evaluar métricas de rendimiento del modelo automáticamente durante las fases de entrenamiento y despliegue. - Configurar flujos de trabajo básicos de CI/CD para ejecutar las pruebas de tu pipeline de ML automáticamente. El curso comienza con definiciones centrales y los fundamentos de la degradación de los sistemas de machine learning, luego te guía paso a paso a través de la escritura de conjuntos de pruebas automatizadas, la validación de entradas de datos y la monitorización de salidas de modelos. Este curso está diseñado para aspirantes a ingenieros de ML, científicos de datos y desarrolladores que son nuevos en las pruebas y desean construir pipelines de machine learning confiables. No se requiere experiencia previa en pruebas. Comienza a construir pipelines de machine learning estables y listos para producción hoy mismo.