Próximo lanzamiento
MLOps con Python: lleva modelos a producción
Sep 2026Básico
Próximo módulo: 17 sept
Domina el flujo completo de MLOps: experimentos, métricas y despliegue en una API con Python, Docker y MLflow.
¿Qué aprenderás?
- Comprender el ciclo de vida de un modelo en producción.
- Registrar experimentos, parámetros y métricas con MLflow.
- Organizar y comparar ejecuciones para elegir el mejor modelo.
- Versionar y promover modelos hacia producción con MLflow.
- Crear una API de predicción con FastAPI y validación con Pydantic.
- Empaquetar y desplegar tu proyecto con Docker en DigitalOcean.
El curso se lanza en:
Acerca del curso
¿Te ha pasado que tu modelo funciona perfecto en tu notebook, pero todo se complica cuando llega el momento de ponerlo a producir? En este curso aprenderás a dar el salto de experimento a sistema real, entendiendo el flujo de MLOps con Python para que puedas entrenar, registrar, monitorear y desplegar modelos con confianza. Lo harás con herramientas prácticas y un proyecto guiado que te ayudará a aplicar buenas prácticas desde el primer día.
Empezarás configurando tu entorno y entendiendo qué es MLOps y por qué importa. Luego dominarás MLflow para registrar experimentos, métricas y versiones de modelos, y finalmente desplegarás tu solución como una API con FastAPI, contenedores con Docker y publicación en DigitalOcean.
¿Qué aprenderás?
Comprender el ciclo de vida de un modelo en producción
Registrar experimentos, parámetros y métricas con MLflow
Organizar y comparar ejecuciones para elegir el mejor modelo
Versionar y promover modelos hacia producción con MLflow
Crear una API de predicción con FastAPI y validación con Pydantic
Empaquetar y desplegar tu proyecto con Docker en DigitalOcean
Da el siguiente paso y convierte tus modelos en productos listos para usarse, con un flujo claro y replicable. Empieza a estudiar con las primeras clases gratis y comprueba porqué en español #NadieExplicaMejor que EDteam!
