Glosario IA
El diccionario completo de la Inteligencia Artificial
Versionado de modelos y datos
Sistemas de seguimiento de versiones para datasets, features y modelos ML que aseguran la reproducibilidad y la trazabilidad
Pipelines CI/CD para Machine Learning
Automatización del build, test y despliegue de modelos ML con integración continua y despliegue continuo adaptados
Monitorización y observabilidad de modelos
Vigilancia en tiempo real del rendimiento, deriva de datos y comportamientos anormales de los modelos en producción
Gestión de la infraestructura ML
Orquestación de los recursos computacionales para el entrenamiento, el despliegue y la inferencia de los modelos ML
Feature Engineering y Feature Stores
Centralización y gestión de features para asegurar la coherencia entre el entrenamiento y la producción
Pruebas A/B y experimentación
Frameworks de prueba comparativa para evaluar e implementar gradualmente los nuevos modelos
Plataformas y herramientas de MLOps
Soluciones integradas para orquestar todo el ciclo de vida del ML desde la experimentación hasta la producción
Despliegue de modelos (Model Deployment)
Estrategias y patrones de despliegue incluyendo batch, real-time, serverless y edge computing
Gobernanza y ética en producción
Marcos de conformidad, auditabilidad y gestión de sesgos para los sistemas de IA en producción
AutoML y automatización
Herramientas de automatización de la ingeniería de características, selección de modelos y optimización de hiperparámetros
Edge MLOps
Despliegue y gestión de modelos ML en dispositivos edge con restricciones de recursos y conectividad
Gestión del ciclo de vida de los modelos
Orquestación completa del ciclo de vida de los modelos desde la creación hasta el retirado pasando por el mantenimiento