Entrena tus modelos de GenAI con MLFlow
La plataforma open source MLFlow nos proporciona herramientas para gestionar el ciclo de vida completo de los modelos de aprendizaje automático. Su objetivo es simplificar y estructurar proceso de desarrollo y operación de modelos ML, desde el entrenamiento hasta el despliegue.
Empezaremos la jornada viendo cómo organizar nuestros entrenamientos mediante experimentos en MLFlow. Prepararemos un generador de datasets para entrenar un modelo, lo entrenaremos y exportamos las métricas de evaluación para visualizarlas en el dashboard de MLFlow para así poder comparar entre diferentes ejecuciones de un experimento con diferentes parámetros.
Durante la segunda parte compartiremos un ejemplo de implementación de MLServer. Un servidor de inferencia basado en Flask que nos permite desplegar un modelo en producción en un entorno
distribuido. En el ejemplo que presentamos veremos la puesta en producción del modelo entrenado sobre un cluster de Kubernetes.
A quién va dirigido
Este taller está dirigido a perfiles técnicos interesados en Machine Learning que deseen conocer cómo la cultura práctica de "MLOps" puede ayudarles en su trabajo diario a entrenar, evaluar e implementar mejores modelos de ML.
Programa
- Parte 1: Evaluación y visualización del entrenamiento de un modelo usando experimentos de MLFlow.
- Parte 2: Implementación de MLServer para poner un modelo en producción en un clúster Kubernetes.
