INTERMEDIO · 8 MÓDULOS · 64 LECCIONES

Despliegue e infraestructura en la nube

Elige con criterio dónde y cómo desplegar un sistema de IA, de un contenedor local a AWS o a plataformas más simples, y llévalo a producción.

Es para ti si
Tienes una app de IA en contenedor y no sabes qué plataforma de despliegue te conviene.
Al terminar
Sabrás comparar opciones locales, serverless, administradas y propias, practicar AWS sin costo y defender tu decisión con una matriz.
Necesitas
Docker, CI/CD con GitHub Actions, Python con FastAPI y una app de IA funcionando. Sin cuenta de AWS.
  1. 01Understanding Deployment Options8 LECCIONES
    1. Introducción: Understanding Deployment Options
    2. Landscape de Deployment Options
    3. Trade-offs por Estrategia de Deployment
    4. Serverless vs Containers para AI
    5. Cost Modeling para AI Deployment
    6. Decision Matrix Framework
    7. Stage del Proyecto y Deployment
    8. Proyecto: Deployment Decision Workshop
  2. 02Local & Container Deployment8 LECCIONES
    1. Introducción: Local & Container Deployment
    2. Docker Compose para AI Apps
    3. Environment Configuration
    4. Health Checks y Dependencies
    5. Networking y Comunicación entre Servicios
    6. Debugging Deployment Local
    7. Secrets y Seguridad Local
    8. Proyecto: Local Multi-Container AI App
  3. 03Serverless & Lambda for AI8 LECCIONES
    1. Introducción: Serverless & Lambda for AI
    2. Lambda Fundamentals para AI
    3. Container vs Zip Deployment
    4. Cold Starts en AI
    5. Timeout y Memory Configuration para AI
    6. API Gateway Integration
    7. Cost Estimation para Serverless AI
    8. Proyecto: Lambda AI Endpoint
  4. 04AWS en local con un emulador8 LECCIONES
    1. Introducción: AWS en tu laptop, sin cuenta
    2. Emulador de AWS en local: setup y configuración
    3. S3 local para IA
    4. Lambda en local
    5. Pipeline S3 → Lambda → S3 en local
    6. Cambio de entorno: el mismo código en el emulador y en AWS
    7. Depuración de la emulación local
    8. Proyecto: pipeline de IA sobre AWS emulado en local
  5. 05Servicios de AWS para IA (S3, Lambda, SageMaker AI y Bedrock)8 LECCIONES
    1. Introducción: servicios de AWS para IA (S3, Lambda, SageMaker AI y Bedrock)
    2. S3 para AI Assets
    3. Lambda para Inferencia AI
    4. Integración S3 + Lambda
    5. Amazon SageMaker AI y Bedrock: cuándo cada uno
    6. IAM y Permisos Mínimos
    7. Cost Estimation para AI en AWS
    8. Proyecto: S3+Lambda AI Service
  6. 06Cloud Migration Patterns8 LECCIONES
    1. Introducción: Cloud Migration Patterns
    2. Environment Abstraction
    3. Config Management Multi-Entorno
    4. Dependency Injection para boto3 Clients
    5. Testing Multi-Entorno
    6. Feature Flags para Cloud
    7. Graceful Degradation
    8. Proyecto: Migration-Ready AI App
  7. 07Alternative Platforms (Render, Railway, Fly.io)8 LECCIONES
    1. Introducción: Alternative Platforms (Render, Railway, Fly.io)
    2. Render: Deployment para AI Apps
    3. Railway: Deployment para AI Apps
    4. Fly.io: Deployment para AI Apps
    5. Comparativa de Plataformas: Render vs Railway vs Fly.io
    6. CI/CD Integration con Plataformas Alternativas
    7. Decision Matrix de Plataformas: El Framework Completo
    8. Proyecto: Deploy to Platform of Choice
  8. 08Proyecto Integrador, Deployed AI System8 LECCIONES
    1. Introducción: Proyecto Integrador, Deployed AI System
    2. Architecture Integration: Conectando las Piezas
    3. Deployment Automation: De Git Push a Producción
    4. Post-Deploy Validation: Verificar que Funciona de Verdad
    5. Runbook Operativo: Qué Hacer Cuando Algo Falla
    6. Decision Matrix Final: Documenta Tu Decisión
    7. Performance Baseline: Establecer Métricas de Referencia
    8. Proyecto Final: Deployed Production AI System
Reseñas

Lo que dicen los estudiantes

Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.

Aún no hay reseñas aprobadas.

¡Sé el primero en compartir tu experiencia!

SEC. 06 · EL ESTUDIO

Por qué existe este estudio

Durante décadas, construir software fue cosa de perfiles técnicos con años de formación, y llevar un producto digital a la vida real le tomaba a las empresas meses o años. El no-code y la inteligencia artificial han acortado esa brecha, pero el conocimiento sigue en manos de unos cuantos.

Tech Benders existe para abrir ese conocimiento, para que los equipos de negocio y los perfiles no técnicos puedan poner sus ideas en producción con las decisiones técnicas correctas detrás. La IA hace lo que le pides. Sin una base técnica, lo que construye puede no escalar con el ecosistema de tu empresa, y sus costos se disparan con el tiempo.

El equipo conoce los dolores de las organizaciones grandes y la velocidad a la que tienen que moverse. Trae arquitectura de soluciones, ingeniería de datos, producto construido de punta a punta, del backend al frontend, y trabajo diario con IA. Software que resuelve lo que necesitas en días, no en meses, con los costos de la IA bajo control.

Fundadores

El estudioConoce Tech Benders →

Escríbenoshi@techbenders.io

Hecho con Wislab