|
Fecha de propuesta:
18/11/2022
(Aceptada)
Descripción:
Machine Learning Operations, abreviado como MLOps, es una de las nuevas tendencias en Big Data e
Inteligencia Artificial, una parte de la cultura DevOps. Por ello, está estrechamente relacionada con los
modelos de aprendizaje automático (machine learning) y la automatización de procesos.
Cuando hablamos de MLOps, nos referimos concretamente a las Operaciones de Machine Learning o aprendizaje automatizado, que, aplicando nuevos modelos de operaciones, consigue agilizar los procesos realizados en una empresa.
En esta propuesta de TFG se desarrollarán sistemas concretos para la implementación de operaciones de inteligencia artificial, dentro de la plataforma de análisis de datos y aprendizaje automático Neural Designer.
Objetivos funcionales:
Teniendo en cuenta las tendencias actuales, es indispensable la implementación de técnicas MlOps en el ámbito del machine
learning, ya que su objetivo es conseguir mejoras notables en los siguientes ámbitos:
Despliegue de modelos:
Las empresas a menudo no aprovechan todas las ventajas de la IA, porque los modelos rara vez se despliegan, o si
se despliegan, no es a la velocidad, la escala o los niveles de confianza que satisfacen las necesidades de la empresa.
Monitoreo de modelos:
Evaluar manualmente el estado del modelo de aprendizaje automático requiere mucho tiempo, lo que resta recursos al desarrollo del proyecto.
Gestión del ciclo de vida de la producción:
Aunque puedan identificar el deterioro del modelo, las organizaciones no pueden actualizar regularmente los modelos en producción porque el proceso es inexistente o requiere demasiados recursos. También se teme que el código manual sea frágil y que el potencial de interrupciones sea alto.
Entornos de desarrollo y explotación:
Se proponen los siguientes objetivos, que deberán ser completados en atención a la carga de trabajo
apropiada para un Trabajo de Fin Grado, así como en función de las tecnologías empleadas:
Manejo de distintos lenguajes informáticos: Php, C++, JavaScript.
Uso de herramientas de virtualización de procesos: Docker.
Trabajo en distintos IDEs: Visual Studio Code, Qt.
|
