Production Machine Learning Systems - Español

Overview

En este curso, analizaremos los componentes y las prácticas recomendadas de la creación de sistemas de AA de alto rendimiento en entornos de producción. Veremos algunas de las consideraciones más comunes tras la creación de estos sistemas, p. ej., entrenamiento estático, entrenamiento dinámico, inferencia estática, inferencia dinámica, TensorFlow distribuido y TPU. Este curso se enfoca en explorar las características que conforman un buen sistema de AA más allá de su capacidad de realizar predicciones correctas.

Syllabus

Introducción al aprendizaje automático avanzado en Google Cloud

En este módulo, se verá un avance de los temas que se abordan en el curso y cómo usar Qwiklabs para completar cada uno de tus labs con Google Cloud.

Arquitectura de sistemas de AA de producción

En este módulo, se explorará qué más necesita hacer un sistema de AA de producción y cómo satisfacer esas necesidades. Verás cómo tomar decisiones de diseño importantes y de alto nivel en torno al entrenamiento y la entrega del modelo para obtener el perfil de rendimiento correcto para tu modelo.

Diseño de sistemas de AA adaptables

En este módulo, aprenderás a reconocer las formas en que el modelo depende de los datos, a tomar decisiones de ingeniería conscientes con el costo, a determinar cuándo revertir los modelos a versiones anteriores, a depurar las causas del comportamiento observado del modelo y a implementar una canalización que sea inmune a un tipo de dependencia.

Diseño de sistemas de AA de alto rendimiento

En este módulo, identificarás las consideraciones de rendimiento para los modelos de aprendizaje automático. No todos los modelos de aprendizaje automático son idénticos. En el caso de ciertos modelos, el enfoque está en mejorar el rendimiento de E/S y, en el caso de otros, está en obtener una mayor velocidad de procesamiento.