Posibles desafíos en la implementación
Si bien su enfoque en este curso ha sido el desarrollo de modelos de aprendizaje automático para resolver problemas, es importante comprender que las soluciones de aprendizaje automático a menudo son solo una pequeña pieza de un entorno de producción. Por ejemplo, si está desarrollando un modelo de aprendizaje automático para aprobar automáticamente las líneas de crédito para los clientes bancarios, el modelo debe integrarse en el sitio web del banco y debe funcionar sin problemas con otras aplicaciones bancarias.
Los primeros desafíos a los que puede enfrentarse al mover la solución del desarrollo a la producción están en la implementación. La implementación es donde los profesionales de IA/AA entregan el modelo al personal de desarrollo de software para que lo integre con una solución de producción, que suele ser una aplicación o una serie de aplicaciones relacionadas.
Los desarrolladores e ingenieros de software a menudo necesitan reescribir partes del código del modelo para que quepa en la aplicación de destino. Esto puede resultar en algunos desafíos potenciales que son exclusivos de los proyectos de IA y AA, tales como:
- Errores de traducción de código que pueden alterar o invalidar los resultados generados por las soluciones de AA.
- Cambios en la lógica del modelo que pueden ser necesarios para que el modelo funcione y proporcione valor una vez movido a un entorno de producción.
- Modelos no implementados que, si nunca se ponen en producción, equivalen a la pérdida de los costos y el tiempo de recursos dedicados a crear los modelos y los beneficios que puedan producir.
- Período de tiempo de implementación debido a las complejidades para implementar modelos en producción.
Información adicional
Para obtener información adicional sobre las complejidades de las implementaciones del aprendizaje automático, consulte este
sitio.
Campus
Campus
