El uso de la Inteligencia Artificial (IA) como motor de transformación en el proceso de digitalización que se está produciendo, está llamado a ser, sin duda, el mayor avance en la historia de la humanidad, o quizá la mayor de las decepciones (Stephen Hawking). Llevar a éxito un proyecto de analítica avanzada, en torno al desarrollo y productivización de algoritmos basados en IA es, a todas luces, un proceso complejo, lleno de retos, la mayoría de las veces, no directamente relacionados con la resolución, vía el modelo desarrollado, del problema que nos planteamos resolver.
De hecho, revisando el ‘sentimiento común’ entre unos y otros analistas tecnológicos, podemos identificar dos grandes hitos que se antojan especialmente complicados: la industrialización de la IA y su democratización.
En esta sesión revisaremos como Cloudera, a través de la tecnología Cloudera Machine Learning aborda todos los hitos que entrelazan el ciclo de vida de un proyecto de Inteligencia Artificial (Machine Learning):
Desarrollo, entrenamiento y validación de modelos.
Operacionalización de modelos.
Dinámicas en el ciclo de vida de los modelos (ML Ops aka Model Lifecycle Dynamics).
Democratización de modelos.