Conclusión

A medida que el machine learning pase de ser una disciplina de investigación a un campo aplicado, hemos observado un crecimiento anual del 25 por ciento en el desarrollo, la implementación y la operación de los proyectos de ML en varios sectores. El valor empresarial del ML se materializa a través de las operaciones y los procesos diarios de ML, que, a su vez, impulsan la investigación y el desarrollo de modelos y algoritmos de ML. Sin embargo, la implementación del ML en la producción presenta numerosos desafíos, ya que entrelaza actividades y artefactos muy diferentes, como la administración, el procesamiento, el análisis, el modelado, la verificación y la seguridad de los datos. A través de numerosos compromisos de IA/ML con los clientes de AWS, nuestro equipo de ciencia de datos ha observado que un desafío clave es la falta de un flujo de trabajo integral que proporcione un conjunto de plantillas para fusionar o separar de manera óptima las diferentes actividades y artefactos de DevOps de ML. En esta guía, presentamos el flujo de trabajo de ML Max para abordar este problema urgente. ML Max ofrece instrucciones paso a paso y un conjunto de plantillas de programación. El objetivo es permitir una transición rápida y rentable de una fase de desarrollo de modelos interactivos a una configuración de canalización de ML completa y escalable que esté lista para la producción.