MLOps

12 pages in this section.

El Ciclo de Vida de Notebook a Producción

El modelo mental detrás de cada tema de MLOps: cómo un modelo se mueve desde un experimento en un notebook hasta un artefacto monitorizado que sirve tráfico en vivo.

Explainer Python Mlops Lifecycle

Conceptos básicos de MLOps

El camino desde el notebook hasta la producción.

Python Mlops Basics Production

Seguimiento de Experimentos

MLflow y Weights & Biases.

Python Mlops Mlflow Wandb

Registros y control de versiones de modelos

Python Mlops Registry Versioning

Versionado de Datos y Modelos (DVC)

Conjuntos de datos y artefactos reproducibles.

Python Mlops Dvc Versioning

Servir con FastAPI

Envolver un modelo en una API de producción.

Python Mlops Fastapi Serving

Servicio Dedicado (BentoML / Triton / TorchServe)

Python Mlops Triton Bentoml

Inferencia por lotes y en streaming

Python Mlops Batch Streaming

Monitorización y Deriva

Python Mlops Monitoring Drift

Infraestructura y Costo de GPU

Python Mlops Gpu Cost

Mejores Prácticas de MLOps

Reglas del ciclo de vida de ML en producción.

Python Mlops Best Practices List

MLOps Highlights Summary

A single-page roundup of every highlight bullet from the 11 pages in the MLOps section, grouped by source page so you can scan all 46 takeaways without opening each article individually.

Highlights Summary Mlops

MLOps

Buscar en la documentación

MLOps