Historia del MLOps y estado del arte

2/24
Recursos

Aportes 5

Preguntas 0

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesi贸n.

Hasta el momento, mi kit favorito, es:
-Pycaret para toda la fase desde el preprocesamiento, hasta la selecci贸n del modelo
-Docker: Para los contenedores
-FastAPI, para los endpoints
-Streamlit: Para el front end
-DVC: Para el versionado de la data
-Feast: Para la feature Store
-Sagemaker Serverless Inference (Nuevo): Para desplegar y servir el modelo sin tener que provicionar instancias o tener que configurar las politicas de escalado.

Whaaat!!! Demasiado fan, y me cae como anillo al dedo porque justo necesito crear un modelo para unas apps. Gracias por tan buena explicaci贸n.

MLops trae consigo un gran abanico de herramientas a considerar. Uno de los recursos que m谩s me ha servido ha sido

https://mlops.toys/

Por que separa por categor铆as las herramientas m谩s usadas para cada una de las mismas, junto con una breve descripci贸n de los features que esta trae consigo.

鈥淟a ingenier铆a de ML es el uso de principios cient铆ficos, herramientas y t茅cnicas de aprendizaje autom谩tico e ingenier铆a de software para dise帽ar y construir sistemas complejos para que est茅n disponibles como productos鈥 - Andriy Burkov

Yo he usado TFX