Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
OPERACIONES EN APRENDIZAJE AUTOMÁTICO (MLOPS) :...
Search
Abraham Zamudio
May 22, 2025
0
9
OPERACIONES EN APRENDIZAJE AUTOMÁTICO (MLOPS) : EPC2025
Abraham Zamudio
May 22, 2025
Tweet
Share
More Decks by Abraham Zamudio
See All by Abraham Zamudio
El lenguaje de programación Julia
robintux
0
2
Silabo del curso PIT - Análisis exploratorio de datos con R
robintux
0
9
PIT - Introducción a la programación con Julia
robintux
0
11
Calculo_Estocastico_Charla
robintux
0
13
Módulo 1: Introducción a los Datos Geoespaciales
robintux
0
22
Módulo 2: Estructuras de Datos en GeoPandas
robintux
0
22
PROGRAMACION ESTADISTICA CON R (Clase2)
robintux
0
16
ANALISIS DE DATOS CON R
robintux
0
7
PIT - Estadística Inferencial con Python
robintux
0
14
Featured
See All Featured
Learning to Love Humans: Emotional Interface Design
aarron
273
40k
Documentation Writing (for coders)
carmenintech
73
5k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Become a Pro
speakerdeck
PRO
29
5.5k
Unsuck your backbone
ammeep
671
58k
Practical Orchestrator
shlominoach
190
11k
GitHub's CSS Performance
jonrohan
1031
460k
Agile that works and the tools we love
rasmusluckow
329
21k
Fashionably flexible responsive web design (full day workshop)
malarkey
407
66k
Building Applications with DynamoDB
mza
95
6.5k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
53k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
34
3.1k
Transcript
Abraham Zamudio OPERACIONES EN APRENDIZAJE AUTOMÁTICO (MLOPS)
¿Qué es MLOps? MLOps = Machine Learning + DevOps +
Ingeniería de datos. Una práctica para poner modelos en producción de forma confiable. https://www.linkedin.com/in/abraham-zamudio/
¿Por qué es importante? • Sin MLOps, los modelos se
quedan en notebooks. Con MLOps, los llevamos al mundo real y los mantenemos funcionando. https://www.linkedin.com/in/abraham-zamudio/
Componentes principales • 1. Desarrollo del modelo • 2. Integración
continua • 3. Despliegue continuo • 4. Monitoreo • 5. Gobierno del modelo https://www.linkedin.com/in/abraham-zamudio/
Reproducibilidad ¡Si no puedes repetirlo, no sirve! MLOps asegura que
cualquier experimento pueda replicarse exactamente. Factores que influyen en la falta de reproducibilidad https://www.linkedin.com/in/abraham-zamudio/
Auditabilidad • ¿Quién entrenó este modelo? • ¿Con qué datos?
MLOps mantiene trazabilidad de todo el ciclo de vida. https://www.linkedin.com/in/abraham-zamudio/
Mejores prácticas • Versionado de datos y modelos • Pipelines
automatizados • Pruebas de modelos • Revisión de código https://www.linkedin.com/in/abraham-zamudio/
CI/CD en MLOps • No es solo código: también datos,
características y modelos. CI/CD se extiende al ciclo completo de ML. https://www.linkedin.com/in/abraham-zamudio/
Infraestructura como código • Con herramientas como Terraform y Kubernetes,
automatizamos la infraestructura para ML como si fuera software. https://www.linkedin.com/in/abraham-zamudio/
Monitoreo en producción ¡Cuidado con la deriva de datos! MLOps
permite detectar problemas antes de que los modelos se vuelvan inútiles. https://www.linkedin.com/in/abraham-zamudio/
Comparación: Ingeniería de Software vs MLOps • SW tradicional →
Código determinista • MLOps → Código + datos + modelos + experimentos = Mayor complejidad https://www.linkedin.com/in/abraham-zamudio/
Retos únicos del ML • 1. Variabilidad de datos •
2. Entrenamiento costoso • 3. Ambigüedad en resultados • 4. Sesgo y ética https://www.linkedin.com/in/abraham-zamudio/
Estrategias de implementación • Empieza pequeño: un pipeline básico. •
Escala con herramientas como MLflow, Kubeflow, TFX o SageMaker. https://www.linkedin.com/in/abraham-zamudio/
Herramientas comunes https://www.linkedin.com/in/abraham-zamudio/
Roles en MLOps Todos colaboran para que funcione. https://www.linkedin.com/in/abraham-zamudio/
Casos de uso reales Desde recomendaciones hasta detección de fraudes,
MLOps ayuda a entregar valor real y medible. https://www.linkedin.com/in/abraham-zamudio/
Ética y gobernanza La auditabilidad ayuda a detectar sesgos, aplicar
regulaciones y proteger al usuario. https://www.linkedin.com/in/abraham-zamudio/
Métricas clave • Latencia del modelo • Accuracy real •
Deriva de datos • Tiempo de despliegue • Costo operacional https://www.linkedin.com/in/abraham-zamudio/
MLOps ≠ Opcional Es la única forma de garantizar que
los modelos escalen, evolucionen y sigan siendo útiles. https://www.linkedin.com/in/abraham-zamudio/