¿Qué es MLOps? Problemáticas y niveles de madurez

MLOps es una práctica y cultura de la ingeniería de aprendizaje automático de máquina (ML), cuyo fin es unificar el desarrollo (Dev) y las operaciones (Ops) del ML. La práctica de MLOps implica abogar por la automatización y la supervisión en todos los pasos de la construcción del ML, incluida la integración, las pruebas, el deploy, la implementación y la administración de la infraestructura.

Los científicos de datos pueden implementar y entrenar un modelo de ML con rendimiento predictivo en un conjunto de datos sin conexión, con datos de entrenamiento relevantes para el caso de uso. Sin embargo, el verdadero desafío no consiste en compilar un modelo de ML, sino en lograr un sistema de ML integrado y operado en producción de forma continua.

Como se muestra en el siguiente diagrama, solo una fracción pequeña de un sistema de ML de la vida real está compuesta por el código de ML. Los elementos satélites requeridos son muchos y complejos.

 

En este diagrama, el resto del sistema está compuesto por la configuración, la automatización, la recopilación de datos, la verificación de los mismos, las pruebas y la depuración, la administración de recursos, el análisis de modelos, la administración de metadatos y procesos, la infraestructura de entregas y el monitoreo.

 

El nivel de automatización de estos pasos define la madurez del proceso de ML, lo cual refleja la velocidad de entrenamiento de modelos nuevos con datos nuevos o con implementaciones nuevas. La madurez puede ir desde la NO automatización hasta la automatización del pipeline de ML, de la integración continua (CI) donde se prueba y valida el código y los componentes constantemente con el deploy, como así también se prueba y valida los datos, esquemas de datos y modelos, y de la entrega continua (CD).

Para desarrollar y operar sistemas complejos como estos, pueden aplicarse los principios de DevOps en los sistemas de ML (MLOps) y abordar los conceptos como CI, CD y el entrenamiento continuo (CT) en el ML.

 

Framework para operativizar los modelos de ML

En ERGO utilizamos el siguiente framework para operativizar los modelos de ML

Este framework está basado en estándares reconocidos como el Gartner Guidance Framework for Operationalizing Machine Learning for AI el cual representa las instancias de una práctica de MLOps.

Adicionalmente es importante mencionar que es clave la definición del equipo o estructura organizativa donde se identifique quién es el responsable de cubrir los siguientes roles recomendados:

En resumen, la implementación de ML en un entorno de producción no solo implica implementar el resultado del modelo en un ambiente aplicativo mediante APIs, eventos, u otras formas de integración. . En realidad, significa implementar un pipeline de ML que pueda automatizar el reentrenamiento y la implementación de modelos nuevos.

La configuración de un sistema de CI/CD te permite probar y establecer de forma automática implementaciones de pipeline nuevas. Este sistema te permite lidiar con los cambios rápidos en tus datos y el entorno empresarial. No es necesario mover de inmediato todos los procesos de un nivel a otro. Puedes implementar estas prácticas de forma gradual para que puedas mejorar la automatización del desarrollo y la producción de tu sistema de ML.

Desde ERGO los invitamos a seguir investigando sobre el concepto de MLOps. Les dejamos un link donde podrá encontrar más información sobre de los estados de madurez: Niveles de Madurez - MLOps

 

CASOS RELACIONADOS

Gestión eficiente de datos con mejores prácticas de gobierno

Conozca más

SAS reconoció a ERGO como partner del año 2018

SAS, empresa líder del mercado que brinda soluciones y servicios de innovación analítica, inteligencia artificial y gestión de datosy ayuda a convertir sus datos en mejores decisiones, destacó a ERGO Renova como el partner del año del 2018. El premio fue oficializado en la noche del 29 de abril en el Global Forum, un evento anual que se desarrolla en Dallas, Estados Unidos.

Conozca más

Gustavo Gutman, Country Manager de SAS Cono Sur: "ERGO es una empresa muy considerada en el mercado"

Conozca más

Ayudamos a las organizaciones a poner los datos al servicio del negocio

Conozca más
Desarrollado por