Deep Learning aplicado: Despliegue de modelos TensorFlow 2.0
Despliega desde cero un modelo de Deep Learning de alta disponibilidad para Producción usando TensorFlow 2.0 - API REST
Lo que serás capaz de hacer
Bienvenido a este curso 100% práctico y aplicado en el que podrás aprender de forma intuitiva, guiada y paso-a-paso el despliegue de modelos Deep Learning para ambientes de Desarrollo y principalmente para Producción en escenarios de alto desempeño usando la librería TensorFlow 2.0 y la creación de servicios REST. Estructura temática: ¿Por qué desplegar modelos Deep Learning? Despliegue en Desarrollo vs Producción Servidores de despliegue en la Nube: Google Cloud Platform (GCP) y CentOS Despliegue de modelos en la nube como Servicio Web REST desde cero (APIs) Gestor de contenedores Docker para despliegues en Producción (Docker Swarm, TensorFlow Serving) Implementación de llamadas al Servicio Web desde cero Consideraciones técnicas para el despliegue de modelos Deep Learning DevOps y Machine Learning / MLOps | IAOps | XXOps Interoperabilidad de modelos: ONNX. Despliegue Customizado vs Plataformas 100% práctico: El curso prioriza el desarrollo de algoritmos en sesiones de laboratorio y actividades de programación 100% hands-on con los que podrás reproducir cada una de las líneas de código con explicaciones muy bien detalladas, sin descuidar los fundamentos teóricos de cada uno de los conceptos descritos. Herramientas: Todas las herramientas necesarias para el curso se podrán configurar directamente en la nube de Google; por tanto, no será necesario invertir tiempo en instalaciones de herramienta de forma local. El curso se desarrolla con las herramientas más populares y de alta madurez del ecosistema de Python 3.0 como: TensorFlow 2.0 TensorFlow Serving Flask FastAPI El despliegue se realiza utilizando la nube de Google (Google Cloud Platform - GCP) en la que se configura paso a paso una máquina virtual (virtual machine) usando la distribución Linux CentOS como sistema operativo del servidor. Además, se utilizan para el despliegue los siguientes frameworks, librerías y herramientas: Docker Docker Swarm Swagger Promethous y grafana (Monitoreo)
- Realizar el despliegue paso a paso de modelos de clasificación de imágenes usando TensorFlow 2.0.
- Realizar despliegues en ambientes de Desarrollo (DEV) usando Python + TensorFlow 2.0 y Flask en servidores Cloud (Google Cloud Platform - GCP).
- Realizar despliegues en ambientes de Producción (PROD) usando Python + TensorFlow 2.0 + TensorFlow Serving + Docker + Swarm y FastAPI.
- Realizar llamadas batcheras al modelo y monitorear servidores a través de Prometheus y Grafana.
- Entender las consideraciones de dominio técnico a tomar en cuenta para desplegar modelos Deep Learning para el procesamiento de imágenes.
Temario
UNIDAD 1 - El despliegue de modelos Deep Learning · 4 leccionesUNIDAD 1 - El despliegue de modelos Deep Learning
UNIDAD 1 - El despliegue de modelos Deep Learning
- ¿Por qué desplegar modelos?
- Despliegue en Desarrollo vs Producción
- Construcción de Modelos: Flujo End-to-End
- El Framework TensorFlow 2.0
UNIDAD 2 - El modelo Deep Learning a desplegar · 4 leccionesUNIDAD 2 - El modelo Deep Learning a desplegar
UNIDAD 2 - El modelo Deep Learning a desplegar
- Recursos de la sección
- Modelo Deep Learning a desplegar
- [Opcional] Construcción del modelo Deep Learning a desplegar
- [Opcional] *Actividad: Construir modelo Deep Learning a desplegar
UNIDAD 3 - El Ambiente de despliegue · 5 leccionesUNIDAD 3 - El Ambiente de despliegue
UNIDAD 3 - El Ambiente de despliegue
- Recursos de la sección
- El Servidor de despliegue
- Configuración del Servidor de despliegue
- *Actividad: Crear Servidor de despliegue
- *Actividad: Configurar Servidor de despliegue
UNIDAD 4 - ----------------- DESPLIEGUE DEL MODELO ----------------- · 2 leccionesUNIDAD 4 - ----------------- DESPLIEGUE DEL MODELO -----------------
UNIDAD 4 - ----------------- DESPLIEGUE DEL MODELO -----------------
- Tipos de despliegue
- Proceso de despliegue
UNIDAD 5 - DESPLIEGUE EN DESARROLLO: · 1 leccionesUNIDAD 5 - DESPLIEGUE EN DESARROLLO:
UNIDAD 5 - DESPLIEGUE EN DESARROLLO:
- Recursos para el despliegue en Desarrollo
UNIDAD 6 - .::. Python + TF2.0 + Flask · 9 leccionesUNIDAD 6 - .::. Python + TF2.0 + Flask
UNIDAD 6 - .::. Python + TF2.0 + Flask
- Plan de ataque
- Paso 1: Construcción del Modelo
- Paso 2: Implementación el Servicio Web (REST)
- *Actividad: Implementar el Servicio Web 1
- *Actividad: Implementar el Servicio Web 2
- Paso 3: Creación del Cliente Web
- *Actividad: Crear el Cliente Web (cURL)
- *Actividad: Crear el Cliente Web (Postman)
- *Actividad: Crear el Cliente Web (Angular - Ajax)
UNIDAD 7 - DESPLIEGUE EN PRODUCCIÓN: · 1 leccionesUNIDAD 7 - DESPLIEGUE EN PRODUCCIÓN:
UNIDAD 7 - DESPLIEGUE EN PRODUCCIÓN:
- Recursos para el despliegue en Producción
UNIDAD 8 - ¿Qué es Docker? · 2 leccionesUNIDAD 8 - ¿Qué es Docker?
UNIDAD 8 - ¿Qué es Docker?
- ¿Qué es Docker y por qué debemos usarlo?
- *Actividad: Instalar y configurar Docker
UNIDAD 9 - .::. Docker + TensorFlow Serving + FastAPI · 10 leccionesUNIDAD 9 - .::. Docker + TensorFlow Serving + FastAPI
UNIDAD 9 - .::. Docker + TensorFlow Serving + FastAPI
- Plan de ataque
- Paso 1: Construcción del Modelo
- Paso 2: Implementación del Servicio Web (REST)
- *Actividad: Implementar el Servicio Web 1
- *Actividad: Implementar el Servicio Web 2
- *Actividad: Implementar el Servicio Web 3
- Paso 3: Creación del Cliente Web
- *Actividad: Crear el Cliente Web (cURL)
- *Actividad: Crear el Cliente Web (Postman)
- *Actividad: Crear el Cliente Web (Angular - Ajax)
UNIDAD 10 - .::. Docker + Swarm + TensorFlow Serving + FastAPI · 9 leccionesUNIDAD 10 - .::. Docker + Swarm + TensorFlow Serving + FastAPI
UNIDAD 10 - .::. Docker + Swarm + TensorFlow Serving + FastAPI
- Plan de ataque
- Paso 1: Construcción del Modelo
- Paso 2: Implementación del Servicio Web (REST)
- *Actividad: Implementar el Servicio Web 1
- *Actividad: Implementar el Servicio Web 2
- Paso 3: Creación del Cliente Web
- *Actividad: Crear el Cliente Web (cURL)
- *Actividad: Crear el Cliente Web (Postman)
- *Actividad: Crear el Cliente Web (Angular - Ajax)
UNIDAD 11 - .::. Docker + Swarm + TensorFlow Serving + FastAPI (BATCH) · 7 leccionesUNIDAD 11 - .::. Docker + Swarm + TensorFlow Serving + FastAPI (BATCH)
UNIDAD 11 - .::. Docker + Swarm + TensorFlow Serving + FastAPI (BATCH)
- Plan de ataque
- Paso 1: Construcción del Modelo
- Paso 2: Implementación del Servicio Web
- *Actividad: Implementar el Servicio Web 1
- *Actividad: Implementar el Servicio Web 2
- Paso 3: Creación del Cliente Web
- *Actividad: Crear el Cliente Web (html)
UNIDAD 12 - .::. Docker + Swarm + TensorFlow Serving + FastAPI (BATCH + MONITOREO) · 7 leccionesUNIDAD 12 - .::. Docker + Swarm + TensorFlow Serving + FastAPI (BATCH + MONITOREO)
UNIDAD 12 - .::. Docker + Swarm + TensorFlow Serving + FastAPI (BATCH + MONITOREO)
- Plan de ataque
- Paso 1: Construcción del Modelo
- Paso 2: Implementación el Servicio Web (REST)
- *Actividad: Implementar el Servicio Web 1
- *Actividad: Implementar el Servicio Web 2
- Paso 3: Creación del Cliente Web
- *Actividad: Crear el Cliente Web (html)
UNIDAD 13 - Consideraciones finales de despliegue · 4 leccionesUNIDAD 13 - Consideraciones finales de despliegue
UNIDAD 13 - Consideraciones finales de despliegue
- Interoperabilidad de modelos: ONNX
- Despliegue Personalizado vs Plataformas
- DevOps en Machine Learning: MLOps / IAOps / XXOps
- Mensaje final
Tu certificado lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $2,800 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
13 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
Cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por Mirko J. Rodríguez Mallma.
- Folio y QR verificables para compartirlo con quien te contrate.
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 13 unidades · 65 lecciones · 60 h
- 12 meses de acceso
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $2,800 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por Mirko J. Rodríguez Mallma; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
