Diseño de sistemas de aprendizaje automático

Capítulo 7. Implementación de modelos y servicio de predicción

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En los Capítulos 4 a 6, hemos tratado las consideraciones para desarrollar un modelo de ML, desde la creación de datos de entrenamiento, la extracción de características y el desarrollo del modelo, hasta la elaboración de métricas para evaluar este modelo. Estas consideraciones constituyen la lógica del modelo: instrucciones sobre cómo pasar de los datos brutos a un modelo de ML, como se muestra en la Figura 7-1. Desarrollar esta lógica requiere tanto conocimientos de ML como experiencia en la materia. En muchas empresas, esta es la parte del proceso que realizan los equipos de ML o de ciencia de datos.

Figura 7-1. Diferentes aspectos que componen la lógica del modelo ML

En este capítulo hablaremos de otra parte del proceso iterativo: la implementación de tu modelo. "Desplegar" es un término poco preciso que generalmente significa hacer que tu modelo se ejecute y sea accesible. Durante el desarrollo del modelo, éste suele ejecutarse en un entorno de desarrollo.¹ Para ser desplegado, tu modelo tendrá que salir del entorno de desarrollo. Tu modelo puede desplegarse en un entorno de pruebas o en un entorno de producción para que lo utilicen tus usuarios finales. En este capítulo nos centraremos en la implementación ...