Investigación de mercado y aplicación práctica de MLOps : machine learning operations
dc.contributor.advisor | Pisani Leal, Mikaela | |
dc.contributor.tribunal | Visca Zanoni, Ramiro Eugenio | |
dc.contributor.tribunal | Zaiter Trinidad, Federico | |
dc.creator | Rivero Lamanna, Diego José | |
dc.date.issued | 2022 | |
dc.description | Incluye bibliografía y anexos. | |
dc.description.abstract | El siguiente trabajo final presenta una investigación sobre las herramientas líderes del mercado en cuanto a metodología MLOps. Se enfoca en el desarrollo, validación y disponibilidad de un modelo para predecir precios de automóviles utilizando datos reales publicados en una plataforma de venta en línea. La herramienta elegida fue VertexAI de Google y el caso de negocio consistió en organizar el flujo de trabajo y automatizar la totalidad del ciclo de vida de un modelo de aprendizaje automático. Desde VertexAI se accede a los datos a través de la plataforma de venta en línea. Dichos datos se limpian y se transforman en variables de entrada para entrenar el modelo. Se utiliza el componente predefinido de AutoML de VertexAI, desplegándose el modelo si el mismo supera los umbrales mínimos en sus KPI. Como resultado se obtuvo un buen modelo que se puede mantener en el tiempo con poca intervención de un experto. Además se hizo un uso exhaustivo de la herramienta VertexAI, líder en el mercado para MLOps en la nube. Como conclusión, se validó el principio de “data-centric AI” para lograr el desarrollo de un buen modelo. También se validó la herramienta VertexAI para lograr un proyecto de MLOps y se alcanzó el objetivo de implementar un proyecto de aprendizaje automático “end to end”. Por último se plantean dos opciones para extraer valor real del modelo, construyendo herramientas de software que utilizarían al modelo como centro de sus funcionalidades. | |
dc.format.extent | 94 p. diagrs., tbls., grafs. | |
dc.identifier.citation | Rivero Lamanna, D. J. (2022). Investigación de mercado y aplicación práctica de MLOps: machine learning operations (Trabajo final). Universidad ORT Uruguay, Facultad de Ingeniería. | |
dc.language | Español. | |
dc.publisher | Universidad ORT Uruguay | |
dc.relation.other | https://sisbibliotecas.ort.edu.uy/bib/93890 | |
dc.subject | PROYECTOS-MD | |
dc.subject | INTELIGENCIA ARTIFICIAL | |
dc.subject | APRENDIZAJE AUTOMÁTICO | |
dc.subject | ANÁLISIS DE DATOS | |
dc.title | Investigación de mercado y aplicación práctica de MLOps | |
dc.title.subtitle | machine learning operations | |
dc.type | Trabajo final de carrera | |
ort.thesis.career | FI - Master en Big Data - MD | |
ort.thesis.degreegrantor | Facultad de Ingeniería | |
ort.thesis.degreelevel | Master | |
ort.thesis.degreename | Master en Big Data | |
ort.thesis.degreetype | Trabajo final | |
ort.thesis.note | Trabajo final (Master). Universidad ORT Uruguay, Facultad de Ingeniería |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- Material completo.pdf
- Size:
- 4.27 MB
- Format:
- Adobe Portable Document Format
- Description:
- description