Machine Learning Engineering for Production (MLOps)
Specialization Cómo llevar un modelo de ML a producción de forma confiable, con el rigor de DeepLearning.AI.
ÁreaMLOps, Ingeniería de Datos y Cloud
CategoríaMLOps
NivelAvanzado
DuraciónAprox. 4 meses (~7h/semana, 4 cursos)
Ofrece: Coursera (DeepLearning.AI)
Costo: Gratuito para auditar · certificado de pago
Ir al curso¿Qué puedes lograr con este curso?
- Diseñar sistemas de ML completos considerando datos, modelo y despliegue desde el inicio
- Detectar y manejar data drift y degradación de modelos en producción
- Construir pipelines de ML reproducibles con herramientas como TensorFlow Extended (TFX)
Descripción
Esta especialización, también liderada por el equipo de DeepLearning.AI, cubre específicamente el ciclo de vida de producción de un sistema de ML: definición del problema, ingeniería de datos, modelado con restricciones reales de producción, y despliegue con monitoreo continuo.
Para quién es ideal
- Data scientists e ingenieros de ML con experiencia previa entrenando modelos
- Quien ya completó la Deep Learning Specialization y quiere llevarlo a producción
- Preparación para roles de MLOps Engineer o ML Engineer senior
- Complemento práctico al libro Designing Machine Learning Systems
Contenido destacado
- Definición de un proyecto de ML orientado a producción
- Ingeniería de datos y validación de calidad de datos
- Modelado considerando restricciones de producción (latencia, recursos)
- Despliegue de modelos y monitoreo continuo
- Pipelines reproducibles con TensorFlow Extended (TFX)