Para tenerlas abiertas mientras escribes o diagnosticas, y para repasar en el celular. Cada hoja trae la sintaxis o la fórmula con sus variables, ejemplos reales del curso, figuras y la trampa típica. Ábrela aquí o baja el PDF para imprimirla.
Del contenedor al monitoreo: cada hoja cae en una o más etapas de la T, y las de punta a punta las cruzan todas.
ML System Design
Las seis etapasTodas las cuentas de las estimaciones del C01 en notación matemática: tráfico, presupuesto de latencia, GPUs (y sin GPU), VRAM, CPU de preprocesamiento, red, almacenamiento, costo mensual y backfill, con ejemplos resueltos y gráficas.
Actualizada el 25 de octubre de 2026
Contenedores
ContenedorPara escribir un Dockerfile desde cero con la documentación abierta y diagnosticar una falla en minutos: sintaxis con variables, ejemplos reales del C01, figuras, trampas típicas y laboratorios opcionales.
Actualizada el 29 de octubre de 2026
Orquestación
OrquestaciónPara escribir y leer manifests con la documentación abierta, operar con kubectl y diagnosticar un pod roto rápido: sintaxis con variables, ejemplos reales del C01, figuras de cada proceso (el lazo de control, el rollout, las probes, el scheduling), trampas típicas y laboratorios opcionales.
Actualizada el 25 de octubre de 2026
MLOps de punta a punta
Las seis etapasEl C01 de punta a punta como un mapa de metro: del dato etiquetado al monitoreo que pide el siguiente modelo, con el artefacto que viaja entre estaciones, las 4 velocidades y, para cada herramienta, qué es y si se programa, se configura o se opera.
Actualizada el 25 de octubre de 2026
CI/CD
API, Contenedor y OrquestaciónPara trabajar en el repo del equipo sin miedo, escribir un workflow de GitHub Actions con la documentación abierta y diagnosticar un CI en rojo rápido: sintaxis con variables, ejemplos reales del C01, grafos de commits antes y después (merge, rebase, squash, reset, revert y el rescate con el reflog), trampas típicas y laboratorios opcionales.
Actualizada el 25 de octubre de 2026
Serving de modelos
Modelo y APIPara llevar un modelo de PyTorch a un servicio rápido y medido con la documentación abierta, y diagnosticar por qué va lento, predice distinto o no carga: export a ONNX, paridad, engine de TensorRT, model repository y config.pbtxt, dynamic batching, clientes y perf_analyzer, con ejemplos reales del C01, figuras a escala, trampas típicas y laboratorios opcionales sin GPU.
Actualizada el 22 de octubre de 2026
APIs de serving
APIPara escribir con la documentación abierta la API en FastAPI que está entre los clientes y Triton, y diagnosticar por qué va lenta, devuelve 503 o se traba: async contra hilos, validación y contrato, timeouts y reintentos, control de admisión, degradación, salud y apagado ordenado, observabilidad, tests y rendimiento, con el código real del C01, figuras de cada proceso, trampas típicas y laboratorios opcionales.
Actualizada el 22 de octubre de 2026
Monitoreo
MonitoreoPara instrumentar un servicio, escribir con la documentación abierta las consultas de un dashboard y de una alerta, y diagnosticar «no data», «target down» o «la alerta nunca sonó»: tipos de métrica, scrape, PromQL, histogramas y percentiles, reglas de grabación y de alerta, Alertmanager, Grafana, SLOs con burn rate y Prometheus en Kubernetes, con los archivos reales del C01, figuras a escala de cada proceso, trampas típicas y laboratorios opcionales.
Actualizada el 23 de octubre de 2026
Serving de LLMs
Modelo y APIPara levantar un LLM con vLLM con la documentación abierta, saber cuántas conversaciones caben en tu GPU y diagnosticar por qué el primer token tarda, las respuestas se cortan o el servidor no arranca por memoria: tokens, prefill y decode, KV cache y VRAM, vllm serve y sus flags, la API compatible con OpenAI con streaming, continuous batching, TTFT y TPOT, paralelismo, cuantización, optimizaciones y el gateway de LLMs, con los archivos reales del C10, figuras a escala, trampas típicas y laboratorios opcionales sin GPU.
Actualizada el 25 de octubre de 2026