Aprendizaje automático fiable
by Cathy Chen, Niall Richard Murphy, Kranti Parisa, D. Sculley, Todd Underwood
Capítulo 15. Casos prácticos: MLOps en la práctica
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
En este libro hemos expuesto los principios y las buenas prácticas de los MLOP, y hemos hecho todo lo posible por ofrecer ejemplos. Pero no hay nada como escuchar las historias de la gente que trabaja sobre el terreno para ver cómo se aplican estos principios en el mundo real.
Este capítulo ofrece una serie de estudios de casos de distintos grupos de profesionales, cada uno de los cuales detalla un problema, reto o crisis específicos que han vivido desde la perspectiva de los MLOps. Cada historia fue escrita por los propios profesionales, por lo que podemos escuchar con sus propias palabras lo que vivieron. Podemos ver a qué se enfrentaron, cómo lo afrontaron, qué aprendieron y qué podrían hacer de forma diferente la próxima vez. De hecho, es sorprendente ver cómo cosas tan engañosamente sencillas como las pruebas de carga, o tan aparentemente inconexas como una actualización lanzada a una aplicación móvil totalmente distinta, pueden causar dolores de cabeza a los encargados del cuidado y la alimentación diarios de los modelos y sistemas de ML. (Ten en cuenta que algunos de los detalles pueden haberse pasado por alto u omitido para proteger secretos comerciales).
1. Acomodar las políticas de privacidad y retención de datos en las tuberías de ML
Antecedentes
El equipo de reconocimiento ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access