Herramientas para la Composición de Flujos de Inferencia para Modelos de Inteligencia Artificial en la Nube
[ES] Este trabajo de fin de máster explora la integración de herramientas generalmente utilizada para la composición de workflows y pipeline, específicamente Elyra y Node-RED (este último a través de FlowFuse), para facilitar la implementación y gestión de de la ejecución de modelos de inteligencia...
| Autor: | |
|---|---|
| Tipo de documento: | dissertação |
| Data de publicação: | 2024 |
| País: | España |
| Recursos: | Universitat Politècnica de València (UPV) |
| Repositório: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | espanhol |
| OAI Identifier: | oai:riunet.upv.es:10251/210842 |
| Acesso em linha: | https://riunet.upv.es/handle/10251/210842 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Inteligencia artificial Node-RED Cloud Computing Artificial Intelligence Serverless CIENCIAS DE LA COMPUTACION E INTELIGENCIA ARTIFICIAL Máster Universitario en Computación en la Nube y de Altas Prestaciones / Cloud and High-Performance Computing-Màster Universitari en Computació en el Núvol i d&apos Altes Prestacions / Cloud and High-Performance Computing |
| Resumo: | [ES] Este trabajo de fin de máster explora la integración de herramientas generalmente utilizada para la composición de workflows y pipeline, específicamente Elyra y Node-RED (este último a través de FlowFuse), para facilitar la implementación y gestión de de la ejecución de modelos de inteligencia artificial en entornos en la nube. La problemática central radica en la necesidad de simplificar los procesos de despliegue de estos modelos, los cuales suelen ser complejos y requieren de conocimientos especializados en varias áreas de la informática. En este trabajo se propone una solución que combina las capacidades de Elyra, una extensión de JupyterLab para el manejo de pipelines de datos y machine learning, con la interfaz gráfica y facilidad de uso de Node-RED, permitiendo así una integración efectiva y accesible para usuarios de distintos niveles técnicos. El trabajo detalla el proceso de configuración y uso de estas herramientas, demostrando cómo pueden simplificar la creación, gestión y despliegue de modelos de inferencia. Se examinan las ventajas de esta integración, como la reducción de tiempos de desarrollo, la automatización de tareas repetitivas y la posibilidad de realizar ajustes y mejoras de manera más ágil. Además, se aborda el impacto de estas tecnologías en la democratización del acceso a la inteligencia artificial (IA), permitiendo que usuarios sin profundos conocimientos en programación o data science puedan implementar y beneficiarse de modelos avanzados de IA. A través de ejemplos prácticos y casos de uso, se evidencia la efectividad de Elyra y Node-RED en el ciclo de vida de los modelos de inferencia, desde su desarrollo hasta su despliegue y mantenimiento en producción. Finalmente, se discuten los retos encontrados durante la implementación de esta solución y se esbozan posibles líneas de investigación futura, tales como la integración de otras herramientas de desarrollo, la optimización de la eficiencia en la ejecución de los modelos y el fortalecimiento de la seguridad en los despliegues. Para la ejecución de los modelos de IA se utilizará la plataforma serverless OSCAR, basada en Kubernetes. |
|---|