La productivización se refiere al proceso de llevar los modelos de Inteligencia Artificial (IA) y sus resultados a un entorno de producción para que puedan ser utilizados de manera efectiva y generar valor en el mundo empresarial.
Los modelos de IA tienen un ciclo de vida que nace en su fase de desarrollo, pero es en la implementación, versionado y mantenimiento donde necesita convivir dentro de una infraestructura tecnológica. Desde la recolección de datos y entrenamiento inicial, hasta la evaluación y monitorización, linaje, iteración y eventual reentrenamiento para mantener su rendimiento óptimo a lo largo del tiempo existen herramientas y técnicas que nos permiten cumplir con directrices de buenas prácticas que requiere el mercado.
En este máster estudiaremos la automatización y estandarización de todo el ciclo de vida de modelos de IA siguiendo estándares de MLOps. Al aplicar MLOps, los equipos de Data Science y desarrollo pueden colaborar de manera efectiva para acelerar la implementación de modelos en producción, facilitar la auditoría y garantizar la reproducibilidad de los resultados
Contenidos:
- Ciclo de vida de modelos AI y MLOps.
- Arquitecturas de implementación y despliegue en infraestructuras escalables.
- Versionado de modelos, linaje y trazabilidad.
- Monitorización y métricas de rendimiento.
- Reentrenamiento automático y despliegue gradual de modelos.