Aprendizaje automático fiable

Prólogo

El aprendizaje automático (AM) está en el centro de una tremenda ola de innovación tecnológica que no ha hecho más que empezar. Recogiendo el testigo de la ola "basada en datos" de la década de 2000, el ML permite una nueva era de toma de decisiones basada en modelos que promete mejorar el rendimiento de la organización y mejorar la experiencia del cliente, permitiendo a las máquinas tomar decisiones casi instantáneas y de alta fidelidad, en el punto de interacción, basándose en la información más actualizada disponible.

Para apoyar el uso productivo de los modelos de ML, la práctica del aprendizaje automático ha tenido que evolucionar rápidamente, pasando de ser una actividad principalmente académica a una disciplina de ingeniería de pleno derecho. Lo que antes era dominio exclusivo de investigadores, científicos de investigación y científicos de datos es ahora, al menos a partes iguales, responsabilidad de ingenieros de ML, ingenieros de MLOps, ingenieros de software, ingenieros de datos y otros.

Parte de lo que vemos en la evolución de las funciones del aprendizaje automático es un saludable cambio de enfoque, que pasa de intentar simplemente que los modelos funcionen a garantizar que funcionen de forma que satisfagan las necesidades de la organización. Esto significa construir sistemas que permitan a la organización producirlos y entregarlos de forma eficiente, endurecerlos contra los fallos, permitir la recuperación de los fallos que se produzcan y, lo que es más ...