Análisis de Herramientas de Orquestación para flujos de Machine Learning. Demostración de modelo ML para análisis epidemiológico y predicción de impacto para la COVID-19

Abstract

ABSTRACT: In recent years, great effort has been made in the Artificial Intelligence sector, leading to huge advancements both in performance and efficiency. This lead to a big number of researchers, markets and companies entering the market to take a piece of the cake. While this is good news for the market, bringing money for new research lines, it also means that many new players enter the game. For these new players, leading with the technical aspects of Artificial Intelligence, while also taking care of the intricacies of DevOps and software development, may prove too difficult. For this reason, platforms known as Artificial Intelligence/Machine Learning Orchestration Tools appear. These tools separate the DevOps tasks from the AI/ML ones, providing a transparent way for researchers to use the hardware resources from their organization, reducing the overhead of their job. This thesis tries to analyze two of these platforms, ACUMOS and Kubeflow, in order to highlight some of their strong and weak points. Additionally, an AI model is developed under both these platforms, aiming at testing their full capabilities.

RESUMEN: En los últimos años, se ha invertido un gran esfuerzo en el sector de Inteligencia Artificial, lo que ha traído grandes avances en el rendimiento y eficiencia de la tecnología. Esto ha acercado a un gran número de investigadores, mercados y empresas con el objetivo de llevarse una parte del pastel. Si bien esta es una buena noticia para el mercado, ya que ha traido dinero para nuevas líneas de desarrollo, también significa que muchos jugadores nuevos entran en el juego. Para estos nuevos jugadores, lidiar con los aspectos técnicos de la Inteligencia Artificial, a la vez que se ocupan de las complejidades del DevOps y el desarrollo de software, puede resultar demasiado dificil. Por esta razón, aparecen plataformas conocidas como Herramientas de Orquestación de Inteligencia Artificial/Machine Learning. Estas herramientas separan las tareas de DevOps de las de IA/ML, proporcionando a los investigadores una manera transparente para usar los recursos software de su organización, reduciendo la sobrecarga de su trabajo. Esta tesis trata de analizar dos de estas plataformas, ACUMOS y Kubeflow, con el objetivo de resaltar algunos de sus puntos fuertes y débiles. Adicionalmente, se ha desarrollado bajo estas dos plataformas, para demostrar al maximo sus capacidades.