- Promoted by: Anonymous
- Platform: Udemy
- Category: Data Science
- Language: Spanish
- Instructor: Gourav Shah . 195,000 Students , School of Devops
- Duration: 9 hour(s)
- Student(s): 7,084
- Rate 4.9 Of 5 From 63 Votes
- Expires on: 2025/07/19
-
Price:
109.990
Del Dato al Despliegue — Aprende MLOps Construyendo un Proyecto Real de Machine Learning con MLflow, Docker y Kubernetes
Unlock your potential with a Free coupon code
for the "Bootcamp MLOps: CI/CD para Modelos" course by Gourav Shah . 195,000 Students , School of Devops on Udemy.
This course, boasting a 4.9-star rating from 63 reviews
and with 7,084 enrolled students, provides comprehensive training in Data Science.
Spanning approximately
9 hour(s)
, this course is delivered in Spanish
and we updated the information on July 16, 2025.
To get your free access, find the coupon code at the end of this article. Happy learning!
Nota: Este curso ha sido traducido del inglés al español con la ayuda de inteligencia artificial para facilitar el acceso a una audiencia hispanohablante. (AI)
Este bootcamp práctico está diseñado para ayudar a Ingenieros DevOps y profesionales de infraestructura a realizar la transición hacia el creciente campo de MLOps. Con la rápida integración de la IA y el aprendizaje automático en las aplicaciones modernas, MLOps se ha convertido en el puente esencial entre los modelos de machine learning y los sistemas de producción.
En este curso, trabajarás en un caso de uso del mundo real — predicción de precios de viviendas — y lo llevarás desde el procesamiento de datos hasta el despliegue en producción sobre Kubernetes. Comenzarás configurando tu entorno con Docker y MLFlow para el seguimiento de experimentos. Comprenderás el ciclo de vida del machine learning y obtendrás experiencia práctica en ingeniería de datos, ingeniería de características y experimentación de modelos utilizando notebooks de Jupyter.
Luego, empaquetarás el modelo con FastAPI y lo desplegarás junto a una interfaz de usuario basada en Streamlit. Escribirás workflows de GitHub Actions para automatizar tu pipeline de ML para CI y utilizarás DockerHub para publicar tus contenedores de modelos.
En etapas posteriores, construirás una infraestructura de inferencia escalable utilizando Kubernetes, expondrás servicios y conectarás interfaces frontend y backend mediante descubrimiento de servicios. Explorarás la implementación de modelos a nivel de producción con Seldon Core y supervisarás tus despliegues con paneles de Prometheus y Grafana.
Finalmente, explorarás la entrega continua basada en GitOps usando ArgoCD para gestionar y desplegar cambios en tu clúster de Kubernetes de forma limpia y automatizada.
Al finalizar este curso, estarás equipado con el conocimiento y la experiencia práctica para operar y automatizar flujos de trabajo de machine learning utilizando prácticas de DevOps — preparándote para roles profesionales en MLOps e Ingeniería de Plataformas de IA.