Contenido

Objetivo

Comprender el ciclo de vida del aprendizaje automático (ML) y sus diferencias con el aprendizaje profundo.

Descripción

A lo largo de este tema aprenderás la implementación de los ciclos de vida, tanto en el aprendizaje profundo como en el aprendizaje automático (ML), así como su gestión y los subprocesos que la componen.

Explicación

Haz clic para revisar la explicación.

Aprendizaje profundo en producción

Recursos adicionales

Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.

Revisa el siguiente video:

Para conocer más sobre el aprendizaje profundo en producción, te recomendamos observar el siguiente video:

AICamp. (2021, 7 de octubre). Machine Learning Lifecycle From Basics to Production [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=vhGdk0mb2Ts

Actividad

Objetivo

Reforzar los conceptos asociados al ciclo de vida del aprendizaje profundo.

Instrucciones

Contesta el siguiente cuestionario. Incluye diagramas o gráficos.

  1. En el ciclo de vida del aprendizaje profundo, ¿cómo defines al proceso de despliegue o implementación en producción?
  2. Investiga los siguientes términos: blue-green deployment, shadow mode deployment, canary deployment y red-green deployment (despliegue azul-verde, modo sombra, canario y rojo-verde) para contestar lo que se pide.
  3. Has creado un nuevo sistema para tomar decisiones sobre la aprobación de préstamos. Por ahora, la salida del sistema no se utiliza en ningún proceso de toma de decisiones, por tanto, quien decide qué préstamos aprobar es un supervisor de área. Sin embargo, la salida del sistema se registra para su análisis. ¿Cómo se llama este tipo de implementación?
  4. Explica la diferencia entre los siguientes paradigmas (en términos de lo que se le presenta al agente y lo que pretende hacer).
    1. Aprendizaje supervisado.
    2. Aprendizaje no supervisado.
    3. Aprendizaje por refuerzo.
Checklist

Asegúrate de:

  • Comprender las diferencias entre los ciclos de vida de cada modelo de aprendizaje.
  • Relacionar lo aprendido con la gestión del machine learning (ML o aprendizaje automático).