MLOps
Curso para industrializar el ciclo de vida del machine learning y llevar modelos a producción con garantías. Aprendes a construir pipelines de datos reproducibles, gestionar experimentos, registrar y desplegar modelos, automatizar CI/CD específico para ML y monitorizar drift y costes en producción, incluyendo LLMOps. Al terminar entregas un sistema MLOps end-to-end listo para operar en una organización.
Estructura del curso
- Que es MLOps Lección
- Ciclo de vida del machine learning Lección
- DevOps vs MLOps Lección
- Niveles de madurez MLOps Lección
- Roles y equipos en MLOps Lección
- Test Fundamentos de MLOps Test
Detalles del curso
Público objetivo
- Data scientists que quieren llevar sus modelos más allá del notebook y desplegarlos en producción.
- ML engineers que buscan sistematizar y automatizar el ciclo de vida completo de machine learning.
- DevOps engineers que necesitan adaptar sus prácticas de CI/CD al mundo del machine learning.
- Tech leads que deben definir la estrategia de MLOps para sus organizaciones.
Contenido del roadmap
Fundamentos y datos
Principios MLOps, ciclo de vida ML, niveles de madurez, pipelines de datos, feature engineering, validación y versionado con DVC.
Experimentación, registro y despliegue
Experiment tracking con MLflow, reproducibilidad, model registry, model cards, serving con FastAPI, contenedores Docker y estrategias de rollout.
Automatización y monitorización
CI/CD específico para ML, testing de modelos, GitHub Actions, monitorización de data drift y concept drift, dashboards y reentrenamiento automático.
LLMOps e infraestructura
Operaciones para modelos de lenguaje, gestión de prompts, guardrails, y plataformas cloud (AWS, GCP, Azure, Kubernetes).
Objetivos de aprendizaje
- Diseñar pipelines de datos robustos con feature engineering, validación y versionado.
- Gestionar experimentos, registrar modelos y documentarlos con MLflow y model cards.
- Desplegar modelos en producción con FastAPI, Docker, serverless y estrategias de rollout.
- Implementar CI/CD específico para ML con testing automatizado y GitHub Actions.
- Monitorizar modelos en producción detectando data drift, concept drift y degradación de rendimiento.
- Aplicar prácticas LLMOps para gestionar prompts, evaluar LLMs y controlar costes.
Antes de comprar
¿Cuánto dura el acceso?
Acceso permanente. El curso queda asociado a tu cuenta para siempre, con todas las lecciones, ejercicios y certificado.
¿Incluye certificado?
Sí. Al superar el curso recibes un certificado con QR público verificable. La URL del certificado es pública: puedes compartirla en LinkedIn o con un empleador sin que necesiten una cuenta CertiDevs.
¿Puedo pedir factura con NIF?
Sí. En el proceso de compra puedes indicar datos de facturación con NIF español o europeo. Stripe emite la factura electrónica automáticamente.
¿Hay devolución?
Sí. Devolución íntegra dentro de los 14 días naturales desde la compra siempre que no se haya consumido el contenido. Escríbenos a hola@certidevs.com con el correo de tu cuenta y procesamos el reembolso.
Otras formas de aprender
Toma de contacto con una tecnología antes de comprometerte con el itinerario completo.
Currículo completo por tecnología con ejercicios evaluados por IA y certificado verificable.
1, 3, 6 o 12 meses de acceso a todo el catálogo. El plan anual (120 €) equivale a 6 cursos sueltos.
Itinerario diseñado por ingenieros con varios cursos integrados y certificado de carrera.
¿Te lo paga tu empresa o lo quieres para tu equipo? Tenemos modelos corporativos sin permanencia.
Ver propuesta para empresas