MLOps
MLOps o ML Ops es un conjunto de prácticas que tiene como objetivo implementar y mantener modelos de aprendizaje automático en producción de manera confiable y eficiente. [1] La palabra es un compuesto de "aprendizaje automático" y la práctica de desarrollo continuo de DevOps en el campo del software. Los modelos de aprendizaje automático se prueban y desarrollan en sistemas experimentales aislados. Cuando un algoritmo está listo para lanzarse, los científicos de datos, DevOps e ingenieros de aprendizaje automático practican MLOps para hacer la transición del algoritmo a los sistemas de producción. [2] Similar a DevOps o DataOpsenfoques, MLOps busca aumentar la automatización y mejorar la calidad de los modelos de producción, al mismo tiempo que se enfoca en los requisitos regulatorios y comerciales. Si bien MLOps comenzó como un conjunto de mejores prácticas, está evolucionando lentamente hacia un enfoque independiente para la gestión del ciclo de vida de ML. MLOps se aplica a todo el ciclo de vida, desde la integración con la generación de modelos ( ciclo de vida de desarrollo de software , integración continua / entrega continua ), orquestación e implementación, hasta salud, diagnóstico, gobierno y métricas comerciales. Según Gartner , MLOps es un subconjunto de ModelOps . MLOps se centra en la puesta en funcionamiento de modelos ML, mientras que ModelOps cubre la puesta en funcionamiento de todo tipo de modelos de IA.[3]
Los desafíos del uso continuo del aprendizaje automático en las aplicaciones se destacaron en un documento de 2015. [4]
El crecimiento previsto en el aprendizaje automático incluyó una duplicación estimada de los pilotos e implementaciones de ML de 2017 a 2018, y nuevamente de 2018 a 2020. [5]
El proyecto de código abierto Kubeflow fue creado en 2018 por Jeremy Lewi y David Aronchick en Google para facilitar MLOps en Kubernetes.
Los informes muestran que la mayoría (hasta el 88 %) de las iniciativas corporativas de IA tienen dificultades para ir más allá de las etapas de prueba [ cita requerida ] . Sin embargo, aquellas organizaciones que realmente pusieron en producción la IA y el aprendizaje automático experimentaron un aumento del margen de beneficio del 3 al 15 %. [6]
El mercado de MLOps se estimó en $ 23,2 mil millones en 2019 y se proyecta que alcance los $ 126 mil millones para 2025 debido a la rápida adopción. [7]
