Despliegue, operaciones y accesibilidad utilizando soluciones de aprendizaje automático : engineering of machine learning operations.
Year: 2025
Type: dissertation
Abstract: Durante los últimos años el avance de la inteligencia artificial se ha dado en grandes pasos y cada vez esta mas relacionada con actividades cotidianas y complejas, para ello es importante adaptarse a los cambios constantes que nos exige la realidad actual, esto deriva en adoptar de forma necesaria nuevas herramientas e implementar dichos cambios, para nuestra rama de estudio es una oportunidad de explorar ese campo y contribuir con el desarrollo de este. El presente Trabajo de Integración Curricular se centra en la implementación, uso funcionalidad y ventajas de la metodología MLOps para el desarrollo de modelos de Machine Learning o aprendizaje automático, contemplando sus diferentes etapas. Para la implementación de MLOps como un conjunto de buenas prácticas para el desarrollo de Machine Learning nos apoyamos de herramientas de software existentes como Ananconda, Github, MLflow y Microsoft Azure, las cuales, configuradas con las librerías principales como Pandas, Numpy, Scikit-learn entre otras, deben cumplir con las condiciones establecidas para la metodología e implementarse de una forma armónica y fluida para ello se requiere armar un entorno con todas las dependencias que hagan esto posible. Como resultado de la tenemos un ambiente adecuado donde podemos controlar el ciclo de vida de un modelo de Machine Learning en cualquier fase de su implementación desde su entrenamiento hasta su despliegue y producción.
Author: Rivera Yaselga, Alberto David
Language: Spanish
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
SDG: Quality education
Open Access status: green
OpenAlex ID: W7132981783