MLflow Projects - Pipelines, Databricks Integration, and Docker Environments (Español)

Aprende a trabajar con MLflow Projects en este curso completo de 1 hora y 44 minutos que cubre cuatro aspectos fundamentales de la implementación de pipelines de machine learning. Domina la creación de pipelines de ejecución utilizando MLflow Projects, comenzando con los conceptos básicos y avanzando hacia implementaciones más complejas. Explora la integración con Databricks como artifact repository y Tracking Server para el logging completo de actividades en tus proyectos de MLflow. Descubre cómo implementar entornos PySpark con Docker containers, donde los proyectos actúan simultáneamente como artifact repository y Tracking Server. Profundiza en la configuración de entornos dockerizados completos que permiten ejecutar componentes en containers Docker mientras mantienen la integración con Databricks para el seguimiento y almacenamiento de artefactos. El curso está estructurado en cuatro partes progresivas que te llevarán desde la creación básica de pipelines hasta implementaciones avanzadas con arquitecturas distribuidas y containerizadas, proporcionándote las habilidades necesarias para implementar soluciones MLOps robustas y escalables.