Despliegue de algoritmos: algunas generalidades

Autor: | Última modificación: 8 de marzo de 2023 | Tiempo de Lectura: 2 minutos
Temas en este post: ,

Algunos de nuestros reconocimientos:

Premios KeepCoding

¿Alguna vez habías escuchado o leído algo acerca del despliegue de algoritmos? El despliegue de algoritmos es el proceso en el que se establece un algoritmo en un entorno de producción para que se utilice en el día a día. Generalmente, el despliegue posibilita que los algoritmos se empleen para la resolución de problemas a mayor escala. Se usa en el ámbito del machine learning y tiene muchísimos campos de aplicación, como son la detección de fraudes, el pronóstico del clima, etc.

Veamos algunas generalidades sobre el despliegue de algoritmos que debes tener en cuenta antes de su implementación.

Vacío en el despliegue de algoritmos

Imagina que has estado haciendo tus algoritmos tranquilamente en tus notebooks, que has estado practicando con tus celdas de código, haciendo preprocesamientos, exploraciones, entrenamientos…, pero luego quieres poner esto en producción para que tu modelo lo usen otras personas y no sabes cómo.

¿Cuál es el porcentaje de tiempo como data scientist que gastas en el despliegue de modelos de machine learning?

despliegue de algoritmos

Las cifras nos indican que casi la mitad del tiempo se dedica a la parte de despliegue de algoritmos, ya que no es una parte sencilla.

Al principio podrías pensar que optimizar esto es un poco diferente, pero una vez te acostumbras, puedes reducir tanto tiempos como costos. A largo plazo, esto será tremendamente beneficioso para la empresa.

Los 4 casos de uso del despliegue de algoritmos

Existen cuatro posibilidades que determinan la forma de desplegar un algoritmo, en función de si queremos hacerlo por lotes o en tiempo real. También depende de cómo queramos tener disponibles los modelos que hagamos.

Despliegue de algoritmos: algunas generalidades

Si queremos que sean en tiempo real y bajo demanda, lo típico sería un análisis de streaming en tiempo real y aprendizaje en línea.

Si lo que queremos es que sea offline y bajo demanda, lo típico sería un microservicio o una REST API. Al final será una URL donde tengamos, por ejemplo, una aplicación móvil o una página web en la que se hacen consultas. Tenemos, por ejemplo, el sistema de recomendaciones de Adidas, que está hecho con un microservicio.

Y así, sucesivamente, podemos ver en la imagen cómo, dependiendo de nuestras necesidades, podemos usar un servicio u otro.

¿Qué sigue?

Si quieres seguir formándote en alguna de las numerosas temáticas que tiene el ámbito del Big Data, en KeepCoding te ofrecemos la posibilidad de aprender con los mejores profesionales, que te guiarán en la teoría y en la práctica para que te transformes en un gran profesional IT. Échale un vistazo al temario de nuestro Big Data, Inteligencia Artificial & Machine Learning Full Stack Bootcamp y descubre esta formación intensiva de alta calidad. ¡Solicita ya más información y atrévete a impulsar tu futuro!

👉 Descubre más del Big Data, Inteligencia Artificial & Machine Learning Full Stack Bootcamp ¡Descarga el temario!

👉 Prueba el Bootcamp Gratis por una Semana ¡Empieza ahora mismo!

👉 Conoce nuestros otros Bootcamps en Programación y Tecnología

¡CONVOCATORIA ABIERTA!

Big Data, IA & Machine Learning

Full Stack Bootcamp

Clases en Directo | Profesores en Activo | Temario 100% actualizado