📦Los grandes

El lanzamiento de TensorFlow de Google en 2016 como código abierto brindó a los investigadores e ingenieros de producción un marco común para describir y ejecutar muchas cargas de trabajo de aprendizaje automático. Su difusión destacó cómo los marcos, las herramientas y los entornos de implementación influyen en qué ideas pueden pasar de la investigación a los productos.

En Stanford, Koller fue coautor del libro de texto Modelos gráficos probabilísticos, que brindó a estudiantes y profesionales un vocabulario sistemático para la incertidumbre y la predicción estructurada. Su trabajo posterior en la creación de organizaciones en torno al aprendizaje en línea y el descubrimiento de fármacos ilustra los sistemas necesarios en torno a los modelos.

Rudin ha argumentado que, en el caso de decisiones de alto riesgo, un modelo opaco combinado con una explicación post hoc es a menudo un mal sustituto de un modelo diseñado para ser interpretable desde el principio. El argumento afecta directamente las prácticas de evaluación y aprobación de modelos de MLOps.

Su libro de 2017 Diseño de aplicaciones intensivas en datos tradujo las lecciones de sistemas distribuidos obtenidas con tanto esfuerzo en una guía de ingeniería ampliamente leída. Los ingenieros de MLOps utilizan las mismas preguntas sobre linaje, latencia, corrección y falla al crear flujos de datos de inferencia y capacitación.

A través de los cursos fast.ai, Thomas y sus colaboradores hicieron que la instrucción práctica de aprendizaje profundo fuera accesible para muchos estudiantes fuera de los laboratorios de investigación de élite. Su posterior defensa de la rendición de cuentas ha reforzado la idea de que los equipos de despliegue deben medir los daños, no sólo la precisión.

Su libro de 2022 Designing Machine Learning Systems recopiló lecciones operativas (cambios de distribución de datos, ciclos de retroalimentación, evaluación e infraestructura) que a menudo habían estado dispersas entre los equipos de ingeniería. Se convirtió en una referencia común para las personas que intentaban concretar MLOps.

Gebru fue coautor del artículo “Hojas de datos para conjuntos de datos” de 2018, que propone documentación estandarizada para la motivación, composición y recopilación de conjuntos de datos. La idea brinda a los equipos operativos una forma de preguntar qué representa el material de capacitación de un modelo antes de implementarlo en un nuevo entorno.