¿Cuáles son las herramientas de MLOps?

Las herramientas comunes son DVC para versionado de datos, ClearML, AWS Sage Maker, Neptune y Qwak para gestión de experimentos, Aporia para monitoreo de modelos. Algunas herramientas se están expandiendo para incluir más funciones en una sola herramienta como CoreAI (solución On Premise) e IguazIO. Las Operaciones de Aprendizaje Automático son la gestión de versiones de software en esteroides combinada con DevOps. Reconstruir un experimento de IA / ML que resulta en un modelo, implica un alto número de variables involucradas, como hiperparámetros, versiones de los propios datos. Además, pasar a producción es más que el empaquetado CI/CD del modelo y prepararlo para su servicio, también es la capacidad de monitorear el rendimiento del modelo y detectar desviaciones en los datos. Por último, es la capacidad de involucrar al experto en el dominio en el proceso y analizar los cambios junto con el Científico de Datos. En resumen, los componentes principales de MLOPS son: Versionado de Datos | Gestión de Investigación y Experimentos | Rendimiento del modelo en producción | Automatización del Proceso de Investigación | CI/CD (Servicio del modelo) | Monitoreo de Datos