
Implementa flujos de MLOps para entrenar, registrar, desplegar y monitorear modelos de machine learning usando MLflow, FastAPI, Docker, AWS, Prefect y Grafana, gestionando el ciclo completo en producción.
Clases del curso
Tracking del ciclo de vida de modelos de machine learning
Orquestación de pipelines de machine learning
Despliegue de modelo de machine learning
Monitoreo de modelo de machine learning en producción
Conoce quién enseña el curso

María Camila Durango
Machine Learning Developer
⚙️ MLOps Engineer
✨ Lideresa de la comunidad Medellín AI
conocimientos previos
- Programación orientada a objetos con Python.
- Git y GitHub.
- Manipulación y transformación de datos con Pandas y Numpy.
- Programación de API con Flask y/o FastAPI.
- Desarrollo de modelos de machine learning.
- Creación de contenedores con Docker.
- Amazon Web Services: bases de datos y EC2.
software y recursos necesarios
- Visual Studio Code.
- FastAPI
- Cuenta de AWS.
- AWS CLI.
- Poetry, Conda o Pip.
- Python 3.9.
4.3 · 31 opiniones


Edwin Uldarico Hernandez Osorio
Felicito a la docente por no hacer un mini curso y tratar de cubrir un aspecto tan extenso en un solo curso, Me gustaría que platzi realizara una escuela entera para MLops,


Christian Julian Acosta Santamaria
Me gustó mucho la dinámica del curso, dando a entender el flujo de MLOps desde el tracking hasta la puesta en producción. La implementación con AWS me pareció super buena. Sería interesante ver toda una escuela para MLOps.


Santiago Tamayo Lopez
La claridad de los conceptos, las recomendaciones y la especificidad en cada uno de los pasos para interiorizar funcionamiento de los mismos y posibles integraciones o modificaciones


JOSE LUIS HURTADO BALCAZAR
La calidad humana y profesional de la profe

Daniel Hernandez
Me encantó este curso, aprendí nuevas tecnologías y entendí nuevas cosas acerca de DevOps


Yharon Andres Junca Molano
Gracias Profe Camila. En general, el curso muy completo y entendible, aprendí nuevas cosas y me llevo un mejor contexto del tema. Saludos.


Ruben Dario Troche Piñanez
Excelente el curso. Muchísimas gracias Profesora y Platzi, por agregarme valor.

laureano rueda
Excelente servicio!!


Yeimer Enrique Hurtado Moreno
este curso es de lo mejor vale la pena


Sebastian Carvalho
Todo.


Carlos Garavito
Es un gran curso para entender los fundamentos de MLOps.


David Santiago Puerta Betancur
Excelente curso, a pesar de lo denso, si le dedicas el tiempo necesario la profe y el contenido van a aportar demasiado, super recomendado


Pablo Campiño
El curso es genial y valioso en su contenido. Aunque hubo aspectos a corregir, esto me agregó experiencia al solucionarlos como en los casos de Docker , AWS y Postgres, resultado con éxito todas las corridas de las prácticas. El alcance del curso fue bien amplio y sienta bases para profundizar. Como lo he hecho en otros cursos claves, vuelvo a repasar el curso con renovada atención a las valiosas recomendaciones de María Camila y a profundizar algunos aspectos técnicos. Recomiendo a Platzi revisar algunas escenas para ajustarlas en las presentaciones..


Francisco Serrato Jiménez
Curso avanzado, que se necesita tener conocimiento, hay mucha terminología que se utiliza y te puedes perder si no la dominas.


Erick Lopez
Excelente curso, aprendes mucho en verdad.

Diego Alexander Chero Olazabal
Excelentu curso, me encanto. Brinda muchas herramientas que requieren ser profundizadas pero en su simplicidad de uso se siente el potencial


Carlos Enrique Rodríguez Bernal
Excelente!


Sandra Milena RAIRAN PINILLA
Muy organizado y dominio del tema por parte de la ingeniera


Carlos Villalobos
El tener los recursos que permiten seguir el paso a paso. Su tono pausado ayuda a entender sin abrumarse.


Juan R. Vergara M.
Lo mejor de este curso fue la comprensión profunda de MLOps, incluyendo la integración y automatización de procesos de Machine Learning, el seguimiento y gestión de modelos con MLflow, y el despliegue eficiente de modelos utilizando Docker y FastAPI. Además, el curso destacó la importancia de las mejores prácticas en el manejo de datos, la orquestación de tareas, y la creación de características para maximizar el rendimiento predictivo de los modelos.


German Alonso Rodríguez Díaz
Gracias Maria Camila. Muy bien explicado


Andrés Márquez
Me gustó mucho el curso ya que define las etapas de manera precisa y presenta los conceptos de forma clara. Se puede apreciar el dominio del tema por parte de la docente, quien explica la teoría de manera comprensible y efectiva. Sin embargo, en cuestiones técnicas, como el código y el despliegue, el curso avanza un poco rápido, lo que dificulta seguir la implementación paso a paso durante las clases. Creo que sería beneficioso dedicar más tiempo al diseño de estas sesiones para permitir una mejor comprensión y práctica. Resumen: El curso es excelente en teoría y claridad de conceptos, pero podría mejorar en la profundidad y el ritmo de las secciones técnicas para facilitar la implementación práctica.

Daniel Fernando Murcia Perdomo
Gran curso para desplegar modelos


Nicolas Felipe Palacios Villarraga
El curso tiene muy buenas intenciones, pero la complejidad del modelo que se esta desarrollando desdibuja un poco la intencion... a lo mejor, si pudiera hacerse todo el codigo desde cero e ir aplicando progresivamente los conceptos, seria mucho mejor


Raúl Mamani Cusi
Muy buen curso, quiza algunas veces se mezclaron conceptos, pero da una idea de MLOPS

La docente tiene un buen dominio del tema y explica bien. Pero el formato del curso está demasiado condensado, y mal producido. Hay errores de bucles en los vídeos, otros terminan abruptamente en una explicación que no continúa en la siguiente clase, el examen final tiene preguntas con opciones repetidas, entre otras cosas.


Personalmente que no sabía del tema, le falto hablar sobre temas básicos ya que hay personas como yo que apenas estamos viendo este curso, pero del resto excelente!


Edgar A. Gonzalez Ambriz
El docente tiene que mejorar pues mostraba demasiada inseguridad en cuanto le surgía un error en el código. Es difícil entender un código tan complejo preparado previamiente y no generado desde cero en tiempo real


Esteban Navarro Díaz
Es un curso innovador, no obstante, es necesario más conocimientos previos a los que se obtienen en la ruta, por ejemplo, es necesario saber de un poco más de manejo de servicios de nube y creación de aplicaciones.


Cesar De Alba
Lo mejor es el contenido del curso. Sin embargo se debería hacer aun mas hincapié en los pre requisitos del curso pues note mucha gente confundida en los comentarios. Adicional, incluir las herramientas mas populares, en este caso, tal vez era mejor usar airflow a prefect.
Complementa este curso con nuestras rutas de aprendizaje

Inteligencia Artificial y Data Science
Aprende ciencia de datos con cursos de Data Science y explora el potencial sin límites de los datos, el machine learning y la inteligencia artificial.




Análisis y Visualización de Datos
Aprende a extraer, limpiar, analizar y visualizar datos para comunicar insights y apoyar la toma de decisiones estratégicas en los negocios.




Data Engineer
Aprende a construir y gestionar pipelines de datos escalables, utilizando herramientas como Spark, Airflow, y bases de datos SQL y NoSQL en entornos cloud.




Machine Learning y Deep Learning
Profundiza en algoritmia, aprendizaje supervisado, no supervisado, redes neuronales, y el despliegue de modelos de Data Science e Inteligencia Artificial en producción.




Fundamentos de Data Science y AI
Adquiere las bases matemáticas, de programación y de ingeniería de software necesarias para iniciar en el mundo de la ciencia de datos y la inteligencia artificial.
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender