Glosario IA
El diccionario completo de la Inteligencia Artificial
Control de Versiones de Datos (DVC)
Sistema de control de versiones para datos y modelos de ML que se integra con Git para rastrear cambios en los conjuntos de datos. DVC permite versionar archivos grandes, reproducir experimentos y colaborar eficientemente en proyectos de ciencia de datos.
Amazon SageMaker
Plataforma gestionada de AWS que proporciona un entorno completo para construir, entrenar e implementar modelos de machine learning a escala. SageMaker integra herramientas para el etiquetado de datos, el entrenamiento distribuido, el ajuste de hiperparámetros y el despliegue sin servidor.
Azure Machine Learning
Servicio en la nube de Microsoft que ofrece un entorno integrado para el ciclo de vida completo del machine learning, desde la preparación de datos hasta el monitoreo de modelos. Azure ML proporciona herramientas de MLOps para la automatización, el control de versiones y el despliegue CI/CD de modelos.
Google Vertex AI
Plataforma unificada de machine learning de Google Cloud que combina AutoML y AI Platform para simplificar el desarrollo y despliegue de modelos ML. Vertex AI ofrece herramientas para entrenamiento personalizado, monitoreo de modelos y explicación de predicciones.
Orquestación de Pipelines de ML
Proceso de automatización y coordinación de las diferentes etapas de un flujo de trabajo de machine learning, desde la ingesta de datos hasta el despliegue del modelo. La orquestación garantiza la ejecución secuencial o paralela de tareas con gestión de dependencias y errores.
Patrones de Despliegue de Modelos
Arquitecturas y estrategias estandarizadas para poner en producción modelos ML, incluyendo el despliegue en tiempo real, por lotes, en edge o en streaming. Estos patrones definen cómo los modelos sirven predicciones mientras optimizan el rendimiento y los costos.
Plataforma MLOps
Solución de software integrada que proporciona un conjunto de herramientas coherentes para automatizar y orquestar todo el ciclo de vida del machine learning. Estas plataformas unifican el desarrollo, el despliegue y el monitoreo de modelos en un entorno controlado.
Plataforma AutoML
Sistema que automatiza el proceso de construcción de modelos ML, incluyendo la selección de características, la elección de algoritmos y la optimización de hiperparámetros. Las plataformas AutoML permiten a los no expertos desarrollar modelos de alto rendimiento rápidamente.
Gobernanza de Modelos de ML
Conjunto de políticas, procesos y herramientas para garantizar el cumplimiento normativo, la ética y la transparencia de los modelos de machine learning. La gobernanza cubre el ciclo de vida completo de los modelos, desde su desarrollo hasta su retirada.