Modalidad: A distancia.

Objetivo General

Proveer al participante las herramientas necesarias para desplegar en un servidor local o en la nube aplicaciones de aprendizaje automático.

Objetivos específicos

El participante:

• Guardar y cargar el modelo
• Entornos virtuales de Python con Pipenv y Conda
• Instalación y uso the VS Code (IDE)
• Python Web Frameworks (Streamlit)
• Servicios Web con Flask
• Gestión de Entornos con Docker
• Despliegue en la Nube con AWS Elastic Beanstalk
• Introducción a Serverless
• AWS Lambda

Dirigido a

Profesionistas con conocimientos en la programación de modelos o algoritmos de aprendizaje automático que requieren crear aplicaciones que provean servicios de inteligencia artificial en un servidor.

Esquema Curricular

Calendarización y Costo

Consultar Educación Continua: Oferta Educativa | Primer Semestre 2024.pdf

Contenido

1. Despliegue del Modelo de ML localmente con Streamlit
   • Introducción a Streamlit y construcción de aplicaciones básicas.
   • Características avanzadas de diseño e interactividad.
   • Integración de modelos de aprendizaje automático complejos.
   • Mejores prácticas para la optimización del rendimiento y despliegue.
2. Despliegue del Modelo de ML como una API Usando Flask
   • Introducción a Flask y la creación de RESTful API
   • Diseñar una API de Flask robusta con funcionalidad completa de endpoints.
   • Implementar medidas de seguridad adicionales y limitación de tasa.
3. Contenerización Usando Docker
   • Explorar en detalle las opciones de red y almacenamiento de Docker.
   • Aprender sobre Docker Compose para orquestar aplicaciones de múltiples contenedores.
4. Despliegue en la Nube
   • Explorar servicios adicionales de AWS relevantes para el despliegue de ML.
   • Ejercicios prácticos sobre gestión y auto-escalado de aplicaciones desplegadas.
   • Estrategias avanzadas de despliegue en AWS Lambda y Elastic Beanstalk.

Registro de Candidatos

Completar el formulario de registro.(https://forms.gle/wKmPnoWm2vnqw6z48).

Informes