Seguimiento de experimentos de ML y MLOps
La Dirección Provincial de Innovación Digital (DPID) requirió un análisis sobre las herramientas de seguimiento de experimentos de Machine Learning e IA generativa más utilizadas en la industria para su posterior instalación.
Acerca del proyecto
Necesidad
Investigar las herramientas de seguimiento de experimentos de Machine Learning e IA generativa más utilizadas en la industria para ser implementada dentro de la DPID.
Enfoque
Se relevaron los requerimientos, se investigó y se desplegó una herramienta que cumplía con los requisitos y necesidades de la DPID. Además se generó un informe con los detalles de su implementación y configuración, que luego se presentó a la DPID.
Definiciones
Tareas realizadas
- Relevamiento de requerimientos y necesidades
- Investigación de las herramientas de seguimiento de experimentos que lideran la industria
- Despliegue de la herramienta elegida en un ambiente Dockerizado
- Generación de casos de pruebas de entrenamiento y fine-tuning de modelos de ML para luego ejecutarlos y registralos en la herramienta
- Introducción a la metodología de MLOps
- Presentación de los resultados a la DPID
Conclusiones
Resultados alcanzados
- Herramienta para seguimiento de experimentos: Se eligió y se desplegó una herramienta acorde a los requisitos y necesidades.
- MLOps: Se presentaron las ventajas de la adopción de MLOps para todo el ciclo de vida del desarrollo y despliegue de modelos y aplicaciones de IA en distintos entornos (Docker, Kubernetes, Openshift).