Operacionalización de modelos de aprendizaje automático (MLOps)
por Microsoft Learn
Ruta de Microsoft Learn sobre MLOps en Azure Machine Learning: entrenamiento, ajuste de hiperparámetros, canalizaciones, automatización con GitHub Actions e implementación de modelos.
Recomendado, valoración editorial 4 de 5
- Duración
- 5 h 49 min · 7 lecciones
- Nivel
- Intermedio
- Plan sugerido
- 4 sem. · 3 h/sem.
- Veredicto
- 4/5 · Recomendado
- Precio
- Gratis
Cursos parecidos
- Creación de soluciones de aprendizaje automático mediante Azure DatabricksMicrosoft Learn · Datos e IA · Microsoft Learn
- Implementar una solución de ciencia de datos y el aprendizaje automático para la IA en Microsoft FabricMicrosoft Learn · Datos e IA · Microsoft Learn
- Creación de modelos de Machine LearningMicrosoft Learn · Datos e IA · Microsoft Learn
Cursos gratis nuevos cada semana, también en Telegram y WhatsApp
Cada martes publicamos los cursos que hemos añadido y verificado. Sin cuenta ni correo: únete y te llegan al móvil.
Respuesta rápida
Curso gratis de Datos e IA de nivel intermedio en Microsoft Learn impartido por Microsoft Learn (5 h 49 min). Nuestra valoración: 4/5, recomendado. Comprobamos que sigue siendo gratis el 17 de noviembre de 2026.
- Veredicto
- 4/5 · Recomendado
- Para quién
- Personas con conocimientos básicos de machine learning que quieran aprender a llevar modelos a producción en Azure
- Nivel
- Intermedio
- Duración
- 5 h 49 min · 7 lecciones
- Precio
- Gratis en Microsoft Learn
- Autor
- Microsoft Learn
- Publicado
- 2026
- Plan sugerido
- 4 sem. · 3 h/sem.
- Verificado
- el 17 de noviembre de 2026
Nuestro veredicto
Una ruta sólida y bien estructurada de Microsoft Learn que cubre el ciclo completo de MLOps en Azure, desde el entrenamiento hasta la supervisión en producción. Es más adecuada para quienes ya tienen alguna base de machine learning y buscan dar el salto a la automatización e implementación en la nube.
Puntos fuertes
- Estructura clara en 7 módulos que recorren todo el ciclo de MLOps de forma progresiva
- Cubre tanto el entrenamiento como la automatización (GitHub Actions) y la supervisión en producción
- Contenido reciente dentro de una ruta oficial de Microsoft Learn
A tener en cuenta
- Requiere familiaridad previa con conceptos de machine learning, no parte de cero en ese aspecto
- La descripción es breve y no detalla ejercicios o datasets concretos usados
- Necesitas una suscripción de Azure para seguir la práctica, lo que puede implicar costes
De qué trata
Esta ruta de Microsoft Learn enseña a operacionalizar modelos de aprendizaje automático usando Azure Machine Learning. Se organiza en 7 módulos (unas 5 horas y 49 minutos en total) que avanzan desde los conceptos básicos de ML en Azure hasta la experimentación, el seguimiento con MLflow, el ajuste de hiperparámetros y la creación de canalizaciones.
La parte final se centra en la automatización del entrenamiento con Acciones de GitHub y en la implementación y supervisión de modelos en producción, cubriendo así todo el ciclo de vida de un modelo en un entorno cloud.
- Experimentación y entrenamiento con Azure Machine Learning
- Seguimiento de modelos con MLflow
- Ajuste de hiperparámetros
- Creación de canalizaciones (pipelines)
- Automatización con Acciones de GitHub
Para quién es este curso
- Personas con conocimientos básicos de machine learning que quieran aprender a llevar modelos a producción en Azure
- Profesionales de datos o desarrolladores que ya usan Azure y buscan automatizar el ciclo de entrenamiento e implementación
- Quien quiera integrar GitHub Actions en flujos de MLOps
Mejor busca otro si…
- Quienes buscan aprender los fundamentos teóricos de machine learning desde cero
- Quienes no tienen ni planean usar Azure como plataforma cloud
Antes de empezar
- Conocimientos básicos de machine learning (entrenamiento, modelos, métricas)
- Familiaridad con Python
- Nociones básicas de Git/GitHub
- Acceso a una suscripción de Azure para seguir los ejercicios
Qué sabrás hacer al terminar
- Configurar y usar Azure Machine Learning para experimentar con modelos
- Ejecutar scripts de entrenamiento y registrar resultados con MLflow
- Realizar ajuste de hiperparámetros para mejorar modelos
- Crear canalizaciones (pipelines) de entrenamiento en Azure Machine Learning
- Automatizar el entrenamiento de modelos con Acciones de GitHub
- Implementar y supervisar modelos en producción en Azure Machine Learning
Estructura del curso
Fundamentos y experimentación en Azure Machine Learning
Introducción al aprendizaje automático en Azure (32 min) y experimentación práctica con Azure Machine Learning (66 min), sentando las bases del servicio y su flujo de trabajo.
Entrenamiento, seguimiento y optimización de modelos
Ejecución de scripts de entrenamiento con seguimiento mediante MLflow (50 min) y ajuste de hiperparámetros (47 min) para mejorar el rendimiento de los modelos.
Canalizaciones y automatización
Creación de canalizaciones en Azure Machine Learning (41 min) y automatización del entrenamiento mediante Acciones de GitHub (51 min).
Implementación y supervisión en producción
Implementación y supervisión de un modelo ya entrenado en Azure Machine Learning (62 min), cerrando el ciclo completo de MLOps.
Módulos
- 01Introducción al aprendizaje automático en Azure (32 min)
- 02Experimento con Azure Machine Learning (66 min)
- 03Ejecución de scripts de entrenamiento y seguimiento de modelos con MLflow en Azure Machine Learning (50 min)
- 04Realización del ajuste de hiperparámetros con Azure Machine Learning (47 min)
- 05Creación de canalizaciones en Azure Machine Learning (41 min)
- 06Automatización del entrenamiento de modelos con Acciones de GitHub (51 min)
- 07Implementación y supervisión de un modelo en Azure Machine Learning (62 min)
Plan de estudio sugerido
4 semanas · unas 3 h por semana
- Semana 1módulos 1 y 2 (introducción a ML en Azure y experimentación), practicando en un workspace de Azure ML
- Semana 2módulos 3 y 4 (MLflow y ajuste de hiperparámetros), repitiendo los experimentos con tus propios scripts
- Semana 3módulos 5 y 6 (canalizaciones y Acciones de GitHub), configurando un repositorio propio para automatizar un entrenamiento
- Semana 4módulo 7 (implementación y supervisión), desplegando y monitorizando un modelo de prueba
El plan cuenta con tiempo para pausar y practicar, no solo con la duración del vídeo. Si quieres adaptarlo a tu semana, lee cómo montar tu plan de estudio semanal.
Consejos para seguirlo
- Ten lista una suscripción de Azure antes de empezar, ya que los módulos son prácticos y requieren un workspace de Azure Machine Learning
- Practica cada módulo con tu propio script de entrenamiento en lugar de solo seguir el ejemplo, para fijar mejor los conceptos
- Antes del módulo de Acciones de GitHub, revisa los conceptos básicos de GitHub si no los tienes frescos
- Al llegar al módulo final de implementación, prueba a supervisar el modelo durante varios días para entender las métricas de monitorización
Antes y después de este curso
- Antes de este cursoConceptos de inteligencia artificial para desarrolladores y profesionales tecnológicosAporta conceptos previos de IA útiles antes de entrar en la operacionalización de modelos con Azure ML.
Cómo lo presenta Microsoft Learn
Aprenda a diseñar, entrenar, optimizar, automatizar, implementar y supervisar modelos de aprendizaje automático con Azure Machine Learning y Acciones de GitHub.
Extracto de la descripción original en Microsoft Learn.
Preguntas frecuentes
¿Necesito saber machine learning antes de empezar?
Sí, conviene tener conocimientos básicos de machine learning, ya que la ruta se centra en operacionalizar modelos (entrenarlos, ajustarlos e implementarlos) y no en explicar la teoría desde cero.
¿Cuánto dura la ruta completa?
Tiene 7 módulos y una duración total de unas 5 horas y 49 minutos, aunque seguirla con práctica puede llevar más tiempo.
¿Necesito una cuenta de Azure para seguirla?
Sí, los módulos son prácticos y usan Azure Machine Learning, por lo que necesitarás acceso a una suscripción de Azure.
¿Incluye automatización con herramientas fuera de Azure?
Sí, uno de los módulos trata específicamente la automatización del entrenamiento de modelos con Acciones de GitHub.
Análisis editorial elaborado con ayuda de IA a partir de la descripción, los capítulos y la duración publicados en Microsoft Learn, y revisado según nuestro método. El contenido del curso es obra de Microsoft Learn; si ves algún error, avísanos.