Disseny i desenvolupament d'un programari lliure per a la productització de models d'aprenentatge automàtic mitjançant imatges Docker

Abstract

[CA] Con el auge del aprendizaje automático, se ha hecho evidente la necesidad de un control riguroso de los modelos entrenados a lo largo de todo su ciclo de vida. Esto ha dado lugar al desarrollo del MlOps, una aplicación del DevOps específica para el aprendizaje automático, que permite un flujo de trabajo más eficiente y eficaz. Hay una amplia variedad de herramientas diseñadas para facilitar el despliegue de modelos en un entorno de producción. Este trabajo detalla el proceso llevado a cabo para diseñar e implementar un producto mínimo viable de Chassis. Este nuevo servicio de software libre, que también se presenta como una librería abierta a los desarrolladores de modelos, proporciona una solución simplificada para la integración de modelos de aprendizaje automático. Independientemente de la librería con la cual se hayan entrenado, Chassis permite encapsularlos en una imagen Docker unificada, facilitando así su despliegue en producción y la realización de inferencias.

[ES] Amb l'auge de l'aprenentatge automàtic, s'ha fet evident la necessitat d'un control rigorós dels models entrenats al llarg de tot el seu cicle de vida. Això ha donat lloc al desenvolupament de l'MlOps, una aplicació del DevOps específica per a l'aprenentatge automàtic, que permet un flux de treball més eficient i eficaç. Hi ha una àmplia varietat d'eines dissenyades per facilitar el desplegament de models en un entorn de producció. Aquest treball detalla el procés dut a terme per a dissenyar i implementar un producte mínim viable de Chassis. Aquest nou servei de programari lliure, que també es presenta com una llibreria oberta als desenvolupadors de models, proporciona una solució simplificada per a la integració de models d'aprenentatge automàtic. Independentment de la llibreria amb la qual s'hagen entrenat, Chassis permet encapsular-los en una imatge Docker unificada, facilitant així el seu desplegament en producció i la realització d'inferències.

[EN] With the rise of machine learning, the need for rigorous control of trained models throughout their lifecycle has become apparent. This has led to the development of MlOps, a machine learning-specific application of DevOps, which enables a more efficient and effective workflow. There are a wide variety of tools designed to facilitate the deployment of models in a production environment. This work details the process carried out to design and implement a minimum viable Chassis product. This new open source service, which is also presented as an open source library for model developers, provides a simplified solution for the integration of machine learning models. Regardless of the library with which they have been trained, Chassis allows them to be encapsulated in a unified Docker image, thus facilitating their deployment in production and the performance of inferences.