Posted on / by gimena gauna / in Innovación

Razones por las que los proyectos de aprendizaje automático nunca llegan a la producción

  • No hay suficiente experiencia
  • Hay desconexión entre la ciencia de datos y el desarrollo de software tradicional
  • Los datos del modelo siempre serán un poco incorrectos
  • Los proyectos son demasiado complejos
  • No hay confianza en los modelos construidos
  • Hay problemas con la integración a los sistemas existentes
  • Llevar un modelo de aprendizaje automático del POC de escritorio a ejecutarlo en producción implica un esfuerzo continuo y masivo.
  • Es difícil actualizar modelos
  • Falta de liderazgo
  • Etc.

Cambiar algo cambia todo

El desarrollo de aplicaciones basadas en el aprendizaje automático es fundamentalmente diferente del desarrollo del software tradicional. La canalización de desarrollo completa incluye tres niveles de cambio: datos, modelo de aprendizaje automático y código. Esto significa que en los sistemas basados en el aprendizaje automático, el desencadenante de una compilación puede ser la combinación de un cambio de código, un cambio de datos o un cambio de modelo.

Problema 1 desviación del modelo

El rendimiento de los modelos de aprendizaje automático en producción degenera con el tiempo debido a cambios en los datos de la vida real que no se han visto durante el entrenamiento del modelo.

Problema 2 calidad de datos

Dado que los modelos de aprendizaje automático se basan en datos, son sensibles a la semántica, la cantidad y la integridad de los datos entrantes.

Problema 3 cambios ambientales

Al transferir modelos de aprendizaje automático a nuevos clientes comerciales, estos modelos, que han sido entrenados previamente en diferentes datos demográficos de usuarios, pueden no funcionar correctamente de acuerdo con las métricas de calidad.

Resolviendo los problemas anteriores

Dado que  el aprendizaje automático/ inteligencia artificial se está gastando en nuevas aplicaciones y dando forma a nuevas industrias, la creación exitosa de esto sigue siendo una tarea desafiante.  Existe la necesidad de establecer prácticas y procesos efectivos en torno al diseño, la construcción y la implementación de modelos aprendizaje automático en MLOps de producción.

 

Fuente: https://www.instagram.com/p/CM4cvBtFhby/

Tags: