Descubre cómo trabajar con proyectos en MLflow y crear una pipeline de ejecución que registre toda la actividad en Databricks, actuando como repositorio de artefactos y servidor de seguimiento. Aprende a ejecutar componentes en contenedores Docker mientras exploras la integración de MLflow Projects con entornos dockerizados. Este video en español de 27 minutos ofrece una guía práctica sobre MLOps, centrándose en MLflow y su aplicación en ciencia de datos y aprendizaje automático. Accede al código fuente completo en GitHub para implementar lo aprendido en tus propios proyectos de machine learning.
MLOps MLFlow: MLFlow Projects - Dockerized Environments and MLflow in Spanish
The Machine Learning Engineer via YouTube
Overview
Syllabus
MLOps MLFlow: MLFlow Projects : Entornos en Docker y MLflow Español #datascience #machinelearning
Taught by
The Machine Learning Engineer
Related Courses
-
MLOps MLFlow: Mlflow Projects - Databricks and MLFlow Pipelines
-
MLOps MLFlow: Mlflow Projects with PySpark Docker Environment and MLflow
-
MLOps MLflow: Instalación de Mlflow Tracking Server en Docker Containers con Backend Store MariaDB
-
MLOps MLFlow: Creating Pipelines with MLflow Projects - Part 1 (Español)
-
MLOps MLFlow: Serving LLMs with MLflow - Phi-3-mini-4k-instruct Local Deployment in Spanish
-
MLOps MLflow: Deep Learning Frameworks PyTorch and TensorFlow in MLflow - Spanish
