Imagen proporcionada por el autor
Para profesionales aspirantes a implementar, monitorear y sostener modelos de aprendizaje automático en entornos productivos, es crucial entender MLOps, que representa la convergencia de machine learning (Dev) y sus operaciones (Ops). Abundantes recursos han sido compartidos por la comunidad de código abierto para facilitar la comprensión de estas prácticas.
Estos diez repositorios de GitHub son invaluables para quienes buscan perfeccionar sus habilidades en MLOps:
Enlace de GitHub: graviraja/MLOps-Basics
Este repositorio ofrece un currículo de nueve semanas para aprender conceptos de MLOps y el uso de herramientas claves, incluyendo supervisión de modelos y contenedores Docker. Está estructurado para desarrollar habilidades semana a semana hasta realizar un proyecto completo de MLOps.
Enlace de GitHub: microsoft/MLOps
Este es un compendio de soluciones y demos para implementar flujos de trabajo de aprendizaje automático con Azure Machine Learning, e incluye integraciones con GitHub y otros servicios de Azure como Data Factory y DevOps.
Enlace de GitHub: GokuMohandas/Made-With-ML
Aquí encontrarás un amplio rango de escenarios aplicados en MLOps con Azure Machine Learning y la integración con plataformas como GitHub, Azure Data Factory y Azure DevOps.
Enlace de GitHub: Pythondeveloper6/Awesome-MLOPS
Reúne una gran cantidad de recursos educativos en MLOps, desde cursos y libros hasta comunidades y herramientas, todos accesibles en línea.
Enlace de GitHub: guía-mlops/mlops-guide.github.io
Direcciona a un sitio estático con guías sobre la implementación de entornos MLOps robustos y confiables, con principios, flujos de trabajo y tutoriales.
Enlace de GitHub: kelvins/increíble-mlops
Este directorio ofrece una lista de instrumentos MLOps para actividades como AutoML, monitoreo, gestión de datos, y mucho más.
Enlace de GitHub: SkafteNicki/dtu_mlops
Materiales y ejercicios para el curso MLOps de la DTU, cubriendo diversos temas desde el desarrollo hasta el monitoreo de aplicaciones de aprendizaje automático.
Enlace de GitHub: GokuMohandas/mlops-curso
Un curso enfocado en el diseño y desarrollo de aplicaciones de aprendizaje automático a nivel productivo, incorporando MLOps y flujos de trabajo de CI/CD.
Enlace de GitHub: DataTalksClub/mlops-zoomcamp
Un curso que se concentra en aspectos prácticos de los servicios de aprendizaje automático en producción, inclusive entrenamiento, despliegue y monitoreo de modelos.
Enlace de GitHub: featurestoreorg/curso-ml-sin-servidor
Centrado en la creación de sistemas de aprendizaje automático con infraestructuras serverless, facilitando el desarrollo de servicios predictivos.
Adquirir conocimientos en MLOps es determinante para la confiabilidad y eficiencia de proyectos de aprendizaje automático en la industria. Los recursos anteriormente mencionados proporcionan ejemplos prácticos y herramientas fundamentales para aplicar MLOps exitosamente.
Descubre la plataforma de aprendizaje de IA travis, diseñada para acelerar tu comprensión de MLOps a través de explicaciones y recursos adicionales.
Abid Ali Awan
(@1abidaliawan), un científico de datos certificado apasionado por el machine learning, se enfoca en crear contenidos y escribir sobre la ciencia de datos. Tiene un posgrado en gestión de tecnologías y una licenciatura en ingeniería de telecomunicaciones. Su meta es desarrollar un producto de IA para ayudar a estudiantes con dificultades mentales.