Implantar MLOps en la empresa

Capítulo 2. Las etapas de los MLOP

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

MLOps no consiste en hacer un seguimiento de los experimentos locales ni en colocar un modelo ML detrás de un punto final de la API. En cambio, MLOps consiste en crear un entorno y unos procesos automatizados para llevar continuamente los proyectos de ML a la producción.

MLOps consta de cuatro componentes principales (y no se limita al entrenamiento de modelos):

• Recogida y preparación de datos

• Desarrollo de modelos y formación

• Implementación de servicios de ML

• Retroalimentación y monitoreo continuos

Este capítulo explora estos componentes en detalle.

Cómo empezar

Empieza con el fin en mente. El primer paso en cualquier proyecto de LD es articular:

• El problema que hay que resolver utilizando el ML.

• Lo que quieres predecir.

• Cómo extraer valor empresarial de la respuesta. Algunos ejemplos de valor empresarial que podríamos requerir son la disminución del fraude, el aumento de los ingresos mediante la captación de nuevos clientes, la reducción de los costes operativos mediante la automatización de diversos procesos manuales, etc.

Una vez que definas el objetivo, no te precipites directamente a ponerlo en práctica. Primero, ten en cuenta lo siguiente:

• Qué datos históricos y operativos pueden recopilarse y utilizarse tanto en la formación como en el servicio

• Cómo incorporar los resultados del modelo ML en una aplicación ...