Módulo 6. MLOps, LLMOps y Despliegue de Soluciones de IA
Industrialización de los modelos construidos en los módulos anteriores: seguimiento de experimentos, versionado de datos y modelos, integración y despliegue continuos, servicio en línea y por lotes, monitorización de rendimiento y deriva, y operación específica de modelos de lenguaje con control de coste y evaluación continua.
Créditos6 ECTS
Horas150 h
Unidades4
Sesiones12
Todos los módulos Guía docente · Rúbrica
Competencias específicas
- Diseñar un pipeline de ML/IA end-to-end.
- Versionar datos y modelos.
- Desplegar modelos como servicios.
- Monitorizar rendimiento y deriva.
- Operar LLMs controlando costes.
Resultados de aprendizaje
- Estructura un proyecto de IA para producción.
- Crea una imagen Docker que sirve un modelo.
- Define métricas de monitorización.
- Implementa mecanismos de evaluación de LLMs.
- Documenta la arquitectura de despliegue.
Unidades didácticas y sesiones
| # | Sesión | Teoría | Práctica |
|---|---|---|---|
| UD1. Del notebook al pipeline · 15 h teóricas / 25 h prácticas Buenas prácticas de estructuración. CI/CD aplicado a IA. | |||
| S01 | Del modelo al sistema: arquitectura de un pipeline de IA en producción | Presentación | Cuaderno |
| S02 | Del cuaderno al proyecto: estructuración, entorno y pipeline reproducible | Presentación | Cuaderno |
| S03 | Integración y entrega continuas para sistemas de IA | Presentación | Cuaderno |
| UD2. Versionado y monitorización · 15 h teóricas / 20 h prácticas Versionado de datos y modelos. Métricas técnicas y de negocio. Deriva. | |||
| S04 | Seguimiento de experimentos con MLflow | Presentación | Cuaderno |
| S05 | Versionado de datos y registro de modelos | Presentación | Cuaderno |
| S06 | Monitorización, observabilidad y deriva | Presentación | Cuaderno |
| UD3. Despliegue y serving · 15 h teóricas / 25 h prácticas APIs REST. Docker y serverless. Patrones Cloud. | |||
| S07 | Empaquetado y servicio del modelo con FastAPI y contenedores | Presentación | Cuaderno |
| S08 | Inferencia por lotes, en línea y en flujo | Presentación | Cuaderno |
| S09 | Serverless, escalado y patrones cloud de fiabilidad | Presentación | Cuaderno |
| UD4. LLMOps y optimización de costes · 15 h teóricas / 20 h prácticas Gestión de prompts y tracing. Evaluación automática. Control de tokens/coste. | |||
| S10 | Gestión de prompts y trazabilidad de aplicaciones con modelos de lenguaje | Presentación | Cuaderno |
| S11 | Taller integrador: evaluación automática y control del coste por token | Presentación | Cuaderno |
| S12 | Evaluación del módulo y defensa | Presentación | Cuaderno |