Orquestación de flujos de trabajo de ML con Vertex AI Pipelines

Escalar el aprendizaje automático desde un cuaderno local a un pipeline de producción confiable y repetible es uno de los mayores desafíos en la IA moderna. Este curso basado en texto lo guía a través del proceso de automatización y gestión de sus flujos de trabajo de ML utilizando Vertex AI Pipelines. Pasará del entrenamiento manual de modelos a pipelines de MLOps completamente orquestados, descubriendo cómo conectar la ingesta de datos, el preprocesamiento, el entrenamiento y el despliegue en un sistema cohesivo y automatizado que garantiza la reproducibilidad y el seguimiento. Lo que aprenderá: - Comprender los conceptos fundamentales de MLOps y los impulsores comerciales centrales detrás de la orquestación de pipelines. - Crear componentes de pipeline reutilizables utilizando SDK modernos basados en Python. - Realizar un seguimiento de las métricas del pipeline, los parámetros y el linaje de los artefactos para una auditabilidad completa del modelo. - Configurar desencadenadores automatizados e integrar prácticas de CI/CD en sus flujos de trabajo de aprendizaje automático. - Desplegar modelos entrenados en puntos finales de predicción como parte de un pipeline sin interrupciones. Este curso comienza con la terminología esencial, los conceptos básicos y las definiciones fundamentales de la arquitectura de pipelines antes de pasar a guías escritas paso a paso y ejemplos de configuración. Trabajará en escenarios prácticos, leyendo explicaciones claras de las definiciones de pipelines y practicando con ejercicios escritos estructurados. Este curso está diseñado para científicos de datos, ingenieros de ML y desarrolladores que son nuevos en la orquestación de pipelines. No se requiere experiencia previa con MLOps basado en la nube, lo que lo convierte en el punto de partida perfecto para principiantes. Comience a leer hoy mismo para aportar automatización y confiabilidad a sus flujos de trabajo de aprendizaje automático.