MLOps en Producción · Lección 02
¿Qué diferencia al ciclo de vida de un modelo de ML del de una aplicación de software tradicional?
El comportamiento depende de datos además de código, por lo que el modelo puede degradarse aunque el código no cambie
El código nunca cambia una vez desplegado el modelo
Un modelo no necesita monitoreo tras desplegarse
Solo existe la fase de entrenamiento, sin despliegue
MLOps en Producción · Lección 02
Completa el código
Un modelo puede perder calidad con el tiempo aunque el código no cambie, por cambios en los
Revisa: la calidad depende de los datos, que cambian con el tiempo.
MLOps en Producción · Lección 02
¿Por qué en ML hay que versionar datos y modelos además del código?
Pista: el mismo código con datos distintos da modelos distintos; sin versionar los tres no puedes reproducir ni auditar un resultado.
✓
¡Lección completada!
Ciclo de vida de un modelo de ML en producción
0
XP ganado
3
Vidas restantes