Implementación de DataOps y ML Ops para modelos sostenibles de ML
La eficiencia en el manejo de grandes volúmenes de datos y el despliegue de modelos de aprendizaje automático (ML) son fundamentales para la sostenibilidad de los sistemas. En este webinar abordamos las mejores prácticas a la hora de desplegar entornos de Data, la optimización del Data Pipeline y los modelos de despliegue a través de la implementación de DataOps y MLOps, enfocándonos en la creación de procedimientos automáticos y repetibles que garanticen la calidad y la reducción de costes.
Abordamos las mejores prácticas en la automatización de tareas dentro de los entornos de datos, destacando la importancia de los despliegues automáticos para garantizar la coherencia y la eficiencia operativa. También exploremos la operacionalización de modelos de ML mediante MLOps, donde se enfatiza el desarrollo de Data Pipeline que no solo automatizan el flujo de trabajo de entrenamiento y predicción, sino que también facilitan un ciclo de vida completo y controlado de los modelos.
En cuanto al despliegue de operaciones de Big Data, subrayamos la importancia de un enfoque organizado que incluya pruebas y testing rigurosos para minimizar errores y maximizar la eficacia operacional.
El objetivo final será proveer un marco comprensivo para que las organizaciones puedan implementar estas técnicas avanzadas, asegurando que los sistemas de data y ML no solo sean robustos y eficientes, sino también sostenibles a largo plazo.
Analysts, IT Architect, BI Architect, Big Data Architect, Chief Architect, CTO, Cloud Architect, Data Analyst, Data Consultant, Data Engineers, Data Manager, Data Quality Manager, Data Scientist, IT Head, IT Director, IT Manager, Systems Analyst, Head of Data, CDO, CIO...
Agenda
-
Mejores prácticas a la hora de desplegar entornos de DATA
-
Optimización del Data Pipeline y los modelos de despliegue a través de DataOps y MLOps
-
Automatización y operacionalización en entornos de datos
-
Operacionalización de modelos de ML mediante MLOps
-
Despliegue de operaciones de Big Data
Ponentes
Jacobo Marcos, Data Architect | PUE
Israel Garzón, Data Architect | PUE
Linkedin