De la Ciencia de Datos al MLOps | Data Live Episodio 4

Desde la idea de utilizar un modelo de aprendizaje automático, hasta su despliegue en un ambiente productivo y su posterior monitoreo, los procesos robustos y las buenas prácticas de ingeniería de software son fundamentales para asegurar su calidad y su correcto funcionamiento.

MLOps (Machine Learning Operations) surge para intentar cubrir aquellos aspectos donde la ingeniería es necesaria para garantizar la comunicación entre científicos de datos e ingenieros de aprendizaje automático. En esta charla veremos de qué va el tema de MLOps, sus distintos componentes y veremos utilizar uno de los frameworks más utilizados en Python (Flask) en conjunto de contenedores para el despliegue de un modelo de aprendizaje automático.

Acerca de Carl Wallace Handlin:

Actual Head of Data Science and Artificial Intelligence para Rappi Pay. Más de 7 años de experiencia en el área de ciencia de datos, aprendizaje automático e inteligencia artificial. Maestría en ciencias de la computación por el Tecnológico de Monterrey. Experiencia en Fintech, InsurTech y PropTech. Entusiasta del código abierto y de los datos abiertos. Programador en Python. Parte del comité organizador del Meetup "The Data Pub" para Ciudad de México.

Conoce las vacantes de ingeniería y ciencia de datos de Softtek en:
https://www2.softtek.com/jobs

Видео De la Ciencia de Datos al MLOps | Data Live Episodio 4 канала Software Guru