Plataforma de aprendizaje automático basada en Kubeflow para una empresa farmacéutica

Para una empresa farmacéutica alemana líder con más de 85 científicos de datos y 20 casos de uso, construimos y operamos una plataforma de aprendizaje automático personalizada. El reto era que hasta ahora no existía un entorno de desarrollo de ML adecuado que soportara todo el flujo de trabajo de ML desde la concepción hasta la implementación.

Configuramos una plataforma central basada en Kubeflow, que se adaptó a las estrictas normativas de la empresa mediante funciones personalizadas. Esta se basó en la distribución "Kubeflow on AWS" de AWS Labs, que proporciona funciones clave como Jupyter Notebooks, Pipelines y Serving. Mediante la implementación de GitHub Actions y Terraform, permitimos un despliegue eficiente del entorno de desarrollo, así como del entorno de producción.

Para dar un soporte óptimo a todo el ciclo de vida del aprendizaje automático, hemos integrado nuestras propias herramientas. Entre ellas se incluye MLFlow para el seguimiento de experimentos, la supervisión y el registro. También integramos la gestión de perfiles y multi-tenancy para encajar perfectamente en el entorno de herramientas existente de la empresa. También se implementó la integración de inicio de sesión único a través de Azure AD para simplificar el acceso y garantizar la seguridad.

La plataforma de aprendizaje automático que proporcionamos permitió a la empresa farmacéutica operar con éxito y ampliar 20 casos de uso diferentes. Al mismo tiempo, los costes se redujeron a la mitad. La plataforma centralizada permite a los científicos de datos colaborar sin problemas y ejecutar un flujo de trabajo eficiente. Gracias a la compatibilidad con los cálculos en la GPU y al escalado automático, se aceleraron los casos de uso de alta carga computacional.

La implementación de la plataforma ML basada en Kubeflow ha permitido a la empresa cubrir todo el flujo de trabajo del aprendizaje automático. Desde el diseño y el desarrollo de modelos hasta el despliegue y el funcionamiento. Esto ha permitido a los científicos de datos trabajar de forma más eficaz y producir modelos de alta calidad con mayor rapidez.

¿Siente curiosidad? Permítanos mostrarle lo que nos diferencia de otras empresas y cómo podemos ayudarle a alcanzar sus objetivos.