Capítulo 2. Fundamentos de MLOps
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
La escuela de medicina fue una experiencia lamentable, una letanía interminable de hechos, cuyos orígenes rara vez se explicaban y cuya utilidad rara vez se justificaba. Mi aversión por el aprendizaje memorístico y mi actitud inquisitiva no eran compartidas por la mayoría de los 96 estudiantes. Esto fue especialmente evidente en una ocasión en la que un profesor de bioquímica afirmó estar deduciendo la ecuación de Nernst. La clase copiaba fielmente lo que él escribía en la pizarra. Como sólo había asistido un año antes al curso de Pchem para licenciados en química de la UCLA, pensé que iba de farol.
"¿De dónde has sacado ese valor para k?" pregunté.
La clase me gritó "¡Déjale terminar! Sólo cópialo".
Dr. Joseph Bogen
Tener una base sólida sobre la que construir es fundamental para cualquier empresa técnica. En este capítulo, varios bloques de construcción clave sientan las bases para el resto del libro. Cuando trato con estudiantes nuevos en la ciencia de datos y el aprendizaje automático, suelo encontrarme con conceptos erróneos sobre los temas tratados en este capítulo. Este capítulo pretende sentar unas bases sólidas para utilizar las metodologías MLOps.
Bash y la línea de comandos de Linux
La mayor parte del aprendizaje automático tiene lugar en la nube, y la mayoría de las plataformas en la nube asumen que interactuarás ...
Get MLOps prácticos now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
