Guía de estudio para la certificación de Databricks como Ingeniero Asociado en IA Generativa (Spanish Edition)

Capítulo 6. Gestión de modelos con MLflow y Unity Catalog

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

La gestión de los modelos de aprendizaje automático (ML) no termina una vez que se entrenan; continúa con un mantenimiento constante. De hecho, en el caso de los LLMs y las aplicaciones de IA empresarial, lo que pasa después del entrenamiento —el seguimiento de experimentos, el registro de modelos, el control de versiones y garantizar la gobernanza— es lo que determina si un modelo es confiable en producción. En este capítulo, explorarás cómo MLflow y Unity Catalog, dos herramientas nativas fundamentales de Databricks, ofrecen un marco unificado para gestionar el ciclo de vida de los modelos implementados. MLflow funciona como un sistema de seguimiento de experimentos y gestión de modelos, mientras que Unity Catalog amplía el control de gobernanza, linaje y acceso a todo el lakehouse.

El plan de examen de Databricks Certified Generative AI Engineer Associate espera que demuestres conocimientos conceptuales y habilidades prácticas en el uso conjunto de MLflow y Unity Catalog. Esto convierte a la gestión de modelos en un área de gran importancia, ya que las preguntas suelen evaluar si las buenas prácticas para el seguimiento de experimentos, el registro de modelos, la gestión de metadatos y la gobernanza se pueden aplicar en escenarios reales. A medida que avances en este capítulo, aprenderás no solo la sintaxis ...