MLOps y Operaciones

MLOps hace que cada cambio con modelos sea identificable, reproducible, observable, reversible y mejorable. La unidad desplegada incluye código, datos, pesos, prompts, retrieval, configuración y políticas.

Modelo mental

No operás un modelo aislado: operás un sistema versionado con señales, SLOs, gates de release, detección de drift, rollback y aprendizaje desde producción.

Hoja de ruta

• Tracking de experimentos
• Registro de modelos y prompts
• Pipelines reproducibles
• Monitoreo y drift
• Observabilidad y tracing LLM
• CI/CD para ML

Conecta con: Investigación · Evaluación · Sistemas de Inferencia

Fuentes principales

• Continuous Delivery for Machine Learning — versionado, testing, deployment y feedback.
• Google MLOps — niveles de madurez y pipelines.
• Hidden Technical Debt in ML Systems — acoplamiento y deuda sistémica.
• OpenTelemetry — contrato de traces, métricas y logs.