Las empresas actuales están transformando sus negocios con Machine Learning (ML) para desarrollar una ventaja competitiva duradera. Desde la asistencia sanitaria hasta el transporte, desde la cadena de suministro hasta la administración de riesgos, el aprendizaje automático se está haciendo omnipresente en todos los sectores, alterando los mercados y rediseñando los modelos de negocio.

Las organizaciones necesitan la tecnología y las herramientas que les permitan crear e implementar modelos de Machine Learning correctos y funcionar de forma ágil. MLOps es la clave para lograr que los proyectos de Machine Learning funcionen bien a gran escala. ¿Qué es MLOps? Es la colaboración entre los equipos de TI y ciencia de datos con el fin de agilizar todo el ciclo de vida de los productos: el desarrollo de los modelos, la implementación, la supervisión, etc. Microsoft Azure Machine Learning permite que las empresas adopten prácticas de MLOps y realmente puedan aprovechar el potencial de la inteligencia artificial en sus negocios.

TransLink es un buen ejemplo de cliente que transforma su negocio con Machine Learning y MLOps. Esta empresa administra la red de transportes de Metro Vancouver, con un volumen de 400 millones de pasajeros entre residentes y visitantes en 2018. Con un amplio sistema de autobuses que abarca 1800 km2, los clientes de TransLink dependen en gran medida de la puntualidad de las horas de salida de los autobuses para planear sus recorridos.

Con el fin de mejorar la experiencia del cliente, TransLink implementó 18 000 conjuntos diferentes de modelos de Machine Learning para predecir mejor las horas de salida de los autobuses que incorporan factores como el tráfico, el mal tiempo y otros problemas de programación. El uso de MLOps con Azure Machine Learning les permitió administrar y ofrecer los modelos a gran escala.

“Con MLOps en Azure Machine Learning, TransLink ha movido todos los modelos a producción y ha mejorado las predicciones en un 74 %, de manera que los clientes ahora pueden planear mejor su recorrido en la red de TransLink. Esto ha dado lugar a una reducción media del 50 % de los tiempos de espera de los clientes en las paradas”. –Sze-Wan Ng, director de análisis y desarrollo, TransLink.

Johnson Controls es otro cliente que utiliza operaciones de Machine Learning a gran escala. Durante más de 130 años, han fabricado equipos de detección de incendios, climatización y seguridad para edificios. Johnson Controls se encuentra ahora en medio de una revolución de la ciudad inteligente, donde Machine Learning es un aspecto central de su enfoque para el mantenimiento de los equipos.

Johnson Controls opera miles de refrigeradores con 70 tipos diferentes de sensores, cada uno de los cuales transmite terabytes de datos. MLOps les ayudó a poner los modelos en producción de manera oportuna, con un proceso repetible, para ofrecer información en tiempo real sobre las rutinas de mantenimiento. Como resultado, se podían predecir y, por tanto, mitigar con gran eficacia los apagados de los refrigeradores con varios días de antelación, lo que supuso un ahorro de costos y un aumento de la satisfacción de los clientes.

“La funcionalidad de MLOps en Azure Machine Learning nos permitió reducir tanto el tiempo medio de reparación como el tiempo de inactividad no planeado en un 66 %, lo que se tradujo en importantes beneficios para el negocio”. –Vijaya Sekhar Chennupati, científico de datos aplicados en Johnson Controls

Introducción a MLOps

Para sacar el máximo partido a MLOps, las organizaciones deben aplicar el mismo rigor y los mismos procesos que en otros proyectos de desarrollo de software.

Con el fin de ayudar a las organizaciones en su proceso de adopción de Machine Learning, GigaOm desarrolló un informe sobre la visión de MLOps que incluye procedimientos recomendados para una implementación eficaz y un modelo de madurez.

Para medir la madurez, se utilizan cinco niveles de desarrollo en categorías clave, como la estrategia, la arquitectura, el modelado, los procesos y la gobernanza. Este modelo de madurez permite a las empresas comprender dónde están y determinar qué pasos deben dar para avanzar al siguiente nivel y alcanzar los objetivos de negocio.

 

 

“Las organizaciones pueden afrontar las dificultades que conlleva el desarrollo de soluciones de inteligencia artificial aplicando MLOps e implementando procedimientos recomendados. El informe y el modelo de madurez de MLOps de GigaOm pueden ser una herramienta muy valiosa en este proceso de adopción”. –Vijaya Sekhar Chennupati, científico de datos aplicados en Johnson Controls.

Para obtener más información, lea el informe de GigaOm y haga realidad la transformación con Machine Learning en su negocio.

Más información

• Más información acerca de Azure Machine Learning.

• Lea el informe de GigaOm sobre la visión de MLOps (Delivering on the Vision of MLOps).

• Pruebe Azure Machine Learning gratis ahora.