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
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
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
#Mcoder.ai 08.21 - Programación genética: introducción y aplicaciones#SG4W 03.22 - Las tendencias del mercado laboral tecnológico en Latinoamérica, Insights 2021GDG Cloud MX + Women Techmakers MX | Cloud Edition: Road To IWD 2023#DD4W 21.04 - Ignite - No importa si no lo sabes... todavíaSG Virtual 2023 | Jira como herramienta de gestión en el desarrollo de software#VueVixensMX 🦊 abr 20 | How to mentor: Guia Subjetiva para Developers#SGVirtual 20.12 - Por qué amamos nuestro monolitoMexicanas Tech | Mujeres en Carreras STEMCómo construir una plataforma poderosa de datos en un ambiente con recursos restringidosSG Virtual Enterprise 21.06 -Mejores prácticas para migrar aplicaciones a arquitecturas de serviciosRust MX | Reescribir o no reescribir aplicaciones en Rust#DD4W 04.22 - Python EleganteMLOPS: Cómo adoptar mejores prácticas de DevOps en el desarrollo de algoritmos de ML| Data Live 2022#SGVirtual 20.04 Blameless culture during Incidents and RCAsAnalizando solicitudes de información al INAI con Python y presentando resultados con StreamLit#DataDayMX 19 | Mantenimiento predictivo sin sensores#DataDayMX 19 | H2O Driverless AI#Eventloop 20.08 - Mi oferta de trabajo viene con stock options ¿Qué quiere decir?#talks2code 20.06 - Pruebas de integracion con Docker en Azure DevOps#RustMX 21.03 - Extender lenguajes con Rust