2026-06-01T10:17:53Zhttps://riuma.uma.es/rest/oai/requestoai:riuma.uma.es:10630/235502026-02-03T10:22:26Zcom_10630_1685col_10630_38055
Valderrama Santiago, Pablo
2022-01-11T09:20:21Z
2022-01-11T09:20:21Z
2021-09
https://hdl.handle.net/10630/23550
Machine Learning Model Operationalization Management (MLOps)
constituye una metodología de trabajo orientada al desarrollo de
modelos de predicción basados en algoritmos de Machine Learning.
Esta metodología está conformada por un conjunto exhaustivo de
principios, recomendaciones, directrices y buenas prácticas enfocadas en
el abordaje metodológico del desarrollo de modelos de Machine
Learning desde su experimentación inicial hasta su puesta en
producción. Para alcanzar este objetivo, esta metodología propone una
división del desarrollo de estos proyectos en 4 fases consecutivas. Estas
fases comprenden las tareas de desarrollo de modelos, preparación de
los modelos para el despliegue en producción, el despliegue en
producción y la monitorización de los modelos desplegados. Este
Trabajo de Fin de Grado explora de forma teórica este conjunto de
principios metodológicos estudiando cada una de las fases de desarrollo
propuestas. De forma paralela, se aborda el desarrollo de un modelo de
predicción de Machine Learning para la predicción de consumos
energéticos horarios individuales y su puesta en producción. En este
desarrollo se adoptará MLOps para llevar a cabo el entrenamiento de
modelos basados en RandomForest y K-Means, el diseño de un código
para dar ejecución a estos modelos, el diseño de imágenes para su
contenerización y su despliegue en un clúster de Kubernetes
spa
http://creativecommons.org/licenses/by-nc-nd/4.0/
open access
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Aprendizaje automático (Inteligencia artificial)
Grado en Ingeniería Informática - Trabajos Fin de Grado
Informática - Trabajos Fin de Grado
MLOps para el desarrollo y puesta en producción de modelos de Machine Learning
bachelor thesis