Habilitación de IA / MLOps
Lleve los modelos de IA y de ML del notebook a sistemas de producción fiables, supervisados y gobernados.
Visión general
La habilitación de la IA y del MLOps aplica la disciplina DevOps al machine learning para que los modelos pasen de la experimentación a sistemas de producción fiables. Construimos pipelines para el entrenamiento, la validación y el despliegue, implantamos el versionado de los modelos y de los datos, así como un registro de modelos, y añadimos una supervisión del rendimiento, de la deriva y de los costes, además de los controles de gobernanza y de seguridad que la IA responsable en producción exige.
Metodología y estándares
Prácticas de MLOps, incluido el CI/CD para el machine learning, el registro y el versionado de los modelos, y la supervisión de la deriva y del rendimiento, alineadas con el NIST AI Risk Management Framework para la gobernanza y construidas sobre plataformas de ML en la nube de AWS, Azure y GCP.
Qué incluye
Qué recibe
Preguntas frecuentes
El MLOps amplía el DevOps para gestionar lo que es propio del machine learning, donde versiona los datos y los modelos tanto como el código, donde el mismo código puede comportarse de forma diferente a medida que los datos cambian, y donde los modelos se degradan con el tiempo por la deriva. Añade registros de modelos, pipelines de reentrenamiento y la supervisión de la deriva por encima del CI/CD estándar.
Sí. La IA en producción necesita más que un pipeline de despliegue. Alineamos las prácticas con el NIST AI Risk Management Framework, añadimos controles para la seguridad de los datos y de los modelos, una supervisión de la deriva y de los abusos, y pistas de auditoría, para que su IA no solo funcione sino que lo haga de forma responsable y defendible.