Quintana Alpuin, Gerardo Franklin2025-10-102025-10-102025Marquez Lazcano, J., Rosa Delgado, A. N., Rossi, F. & Schoenig Zeballos, M. (2025). Conversational MLOps: Asistente conversacional para el despliegue de modelos en producción (Proyecto). Universidad ORT Uruguay, Facultad de Ingeniería. Recuperado de https://rad.ort.edu.uy/handle/20.500.11968/7704https://hdl.handle.net/20.500.11968/7704Incluye bibliografía y anexos.El siguiente proyecto presenta ConvMLOps, un asistente conversacional impulsado por inteligencia artificial generativa, diseñado para simplificar la configuración y el despliegue de modelos de aprendizaje automático en la nube. La solución busca reducir la complejidad del enfoque tradicional de MLOps (Operaciones de Aprendizaje Automático), ofreciendo un entorno más accesible para equipos con experiencia limitada en infraestructura. ConvMLOps utiliza modelos de lenguaje avanzados (LLMs) para recomendar arquitecturas, generar plantillas de infraestructura como código (IaC) y representarlas mediante diagramas visuales. El sistema se desarrolló sobre Amazon Web Services (AWS), utilizando SageMaker para la inferencia del modelo y Elastic Beanstalk para el despliegue escalable. El proyecto se llevó a cabo en dos fases principales: investigación y desarrollo. En la primera, se analizaron herramientas existentes y se definieron los requisitos del sistema; en la segunda, se implementaron las funcionalidades mediante un enfoque ágil con validaciones de expertos. Los resultados demuestran que ConvMLOps reduce la complejidad operativa, mejora la eficiencia en el despliegue y disminuye los costos asociados a la gestión de infraestructura. Asimismo, confirma el potencial de la inteligencia artificial conversacional para automatizar tareas repetitivas dentro de MLOps. Como proyección futura, se plantea ampliar la compatibilidad del asistente con distintos frameworks de ML y optimizar su desempeño en diferentes proveedores de nube.292 p., diagrs., tbls., grafs.PDFAcceso abiertoPROYECTOS-IDDESARROLLO DE SOFTWAREAPRENDIZAJE AUTOMÁTICOINTELIGENCIA ARTIFICIAL GENERATIVAOPTIMIZACIÓN DE PROCESOSAMAZON WEB SERVICESTrabajo final de carrera