DevOps & Cloud
16 Feb 2026
Moisés Brítez
MLOps práctico: de Jupyter a producción con MLflow y Docker
Aprende a llevar tus modelos de ML desde notebooks a producción con un stack Docker + MLflow.
El gap entre experimentación y producción es el mayor reto en ML...
Arquitectura
Usaremos Docker Compose para orquestar Spark, MLflow y un servidor de modelos.
Repositorio del artículo
Código fuente y notebooks disponibles.
¿Te fue útil este artículo?
Si necesitas implementar algo similar en tu empresa, podemos ayudarte.