Guía temática

MLOps y ML en producción

Pipelines, monitoreo, despliegue, experiment tracking y APIs para modelos de machine learning mantenibles.

Para equipos que ya tienen modelos o prototipos y necesitan volverlos confiables, observables y desplegables.

Ver proyectos

MLOps

Nuevo

Orquesta Pipelines de ML con Prefect

jun 2026

Pasa de scripts frágiles de entrenamiento a workflows de ML robustos y observables con Prefect. Programa re-entrenamiento, maneja fallos con gracia y monitorea cada ejecución.

Monitoreo de Modelos ML en Producción con Evidently

jun 2026

Aprende a detectar data drift y degradación de modelos en producción usando Evidently AI. Genera reportes automatizados y alertas antes de que tu modelo falle silenciosamente.

Evidently

Python

MLOps

Sirve un Modelo de Machine Learning con Sklearn, FastAPI y Docker

mar 2026

Envuelve un modelo scikit-learn entrenado en un endpoint REST con FastAPI, contenerízalo con Docker y sirve predicciones a escala — plantilla completa de despliegue MLOps con repositorio GitHub funcional.

Gestiona el Ciclo de Vida de ML con MLflow en Python

feb 2026

Usa MLflow para rastrear experimentos, comparar ejecuciones, versionar modelos en el Model Registry y promover el mejor modelo a producción sin perder reproducibilidad.

MLflow

Python

MLOps

Rodrigo Arenas

MLOps y ML en producción

Orquesta Pipelines de ML con Prefect

Monitoreo de Modelos ML en Producción con Evidently

Sirve un Modelo de Machine Learning con Sklearn, FastAPI y Docker

Gestiona el Ciclo de Vida de ML con MLflow en Python

¿Vas a construir una plataforma de IA o de datos?