Implementación de las prácticas de MLOps para PATE

Simple item page
dc.contributor.advisorPisani Leal, Mikaela
dc.contributor.tribunalVisca Zanoni, Ramiro Eugenio
dc.contributor.tribunalEspinosa, Marcelo
dc.creatorRamas Gaetán, Javier Oscar
dc.creatorRodríguez Cabana, Antonia Betina
dc.creatorZanotta Gallino, Sebastián
dc.date.accessioned2023-03-16T02:57:56Z
dc.date.available2023-03-16T02:57:56Z
dc.date.issued2022
dc.descriptionIncluye bibliografía y anexos.
dc.description.abstractUno de los desafíos más importantes a la hora de compartir datos para entrenar modelos predictivos de inteligencia artificial es la protección de la información. El presente trabajo final surge como una investigación con el fin de validar la aplicación de MLOps (Operaciones de aprendizaje automático, en español) en el contexto de técnica PATE (“Private Aggregation of Teacher Ensembles”). Para ello se ha llevado a cabo un estudio del estado del arte, se han analizado herramientas de MLOps y posibles escenarios de implementación junto a su gobernanza y herramientas de intercambio de información de manera segura entre los actores del sistema (PySyft). Como resultado de este trabajo final se logró el análisis de cuatro herramientas de MLOps y la descripción detallada de una de ellas para el contexto definido. El trabajo permitió validar que todas las herramientas poseen pocas diferencias entre sí y podrían ser utilizadas. Se concluyó que PySyft en su versión 0.6. permite el intercambio de información de manera segura entre los actores del sistema. En base a la experiencia obtenida, podemos asegurar que se podría implementar la herramienta de PATE con PySyft y utilizar MLOps para optimizar tiempos y recursos al momento de hacer la comprobación de la función implementada. Se plantea cómo generar un entorno que contemple a todos los participantes incorporando PATE.
dc.format.extent101 p. diagrs., grafs.
dc.identifier.citationRamas Gaetán, J. O., Rodríguez Cabana, A. B., & Zanotta Gallino, S. (2022). Implementación de las prácticas de MLOps para PATE (Trabajo final). Universidad ORT Uruguay, Facultad de Ingeniería. Recuperado de https://rad.ort.edu.uy/handle/20.500.11968/6395
dc.identifier.urihttp://hdl.handle.net/20.500.11968/6395
dc.languageEspañol.
dc.publisherUniversidad ORT Uruguay
dc.relation.otherhttps://sisbibliotecas.ort.edu.uy/bib/93723
dc.subjectPROYECTOS-MD
dc.subjectBIG DATA
dc.subjectAPRENDIZAJE AUTOMÁTICO
dc.subjectINTELIGENCIA ARTIFICIAL
dc.subjectPRIVACIDAD DIFERENCIAL
dc.subjectGOBERNANZA DE DATOS
dc.titleImplementación de las prácticas de MLOps para PATE
dc.typeTrabajo final de carrera
ort.thesis.careerFI - Master en Big Data - MD
ort.thesis.degreegrantorFacultad de Ingeniería
ort.thesis.degreelevelMaster
ort.thesis.degreenameMaster en Big Data
ort.thesis.degreetypeTrabajo final
ort.thesis.noteTrabajo final (Master). Universidad ORT Uruguay, Facultad de Ingeniería
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Material completo.pdf
Size:
5.18 MB
Format:
Adobe Portable Document Format
Description:
description
Download
Collections
Trabajos finales de carrera de postgrado