[Infographic] Panorama de herramientas de datos y machine learning

La ciencia de datos y el machine learning nunca han sido tan populares. A medida que el campo crece, también maduran todas las herramientas disponibles hoy para los profesionales.

Un avance destacable ha sido la aparición de una gran variedad de herramientas nuevas, startups y categorías completas orientadas a resolver problemas concretos de profesionales y organizaciones. En esta infografía, te ofrecemos una visión general del panorama de herramientas en ciencia de datos y machine learning en 2022.

Para descargar esta infografía, haz clic en la imagen superior.

A continuación encontrarás un resumen detallado de las herramientas mencionadas en la infografía.

Gestión de datos

Un gran avance en el estado de las herramientas en los últimos años ha sido la llegada de muchas soluciones que permiten gestionar mejor los datos para flujos de trabajo de ciencia de datos y machine learning. Incluyen desde herramientas de generación de datos sintéticos para crear datos, soluciones de observabilidad de datos para monitorizar pipelines en producción, herramientas de versionado de datos, orquestación y pipelines para organizar flujos de trabajo, catálogos de datos que muestran los datos de la organización para su consumo, y más.

Datos sintéticos

Observabilidad de datos

Versionado de datos

Etiquetado de datos

Pipelines de datos

Orquestación de datos

Catálogos de datos

Plataformas de machine learning de extremo a extremo

Las plataformas de machine learning van camino de convertirse en la norma. Ofrecen la posibilidad de realizar machine learning de extremo a extremo, desde el procesamiento de características hasta el despliegue, y algunas incorporan aprendizaje automático y despliegue automatizados.

Modelado

Dentro del ecosistema de ciencia de datos existe un sinfín de herramientas: desde notebooks e IDE, paquetes y software de análisis de datos, visualización, feature stores para guardar características usadas en machine learning, bibliotecas de deep learning y machine learning, librerías para optimizar hiperparámetros, herramientas de depuración de modelos y mucho más.

Notebooks e IDE

Análisis de datos

Visualización de datos

Feature stores

Frameworks de machine learning

Frameworks de deep learning

Optimización de hiperparámetros

Explicabilidad de modelos

Depuración de modelos

Despliegue

Los dos últimos años han visto el auge de MLOps y la importancia de desplegar modelos de machine learning en producción. Esto ha impulsado el desarrollo y la evolución de herramientas que permiten empaquetar modelos en aplicaciones, monitorizarlos en producción, hacer seguimiento de experimentos a escala y servir modelos a producción.

Empaquetado de modelos

Monitorización de modelos

Seguimiento de experimentos

Servicio de modelos

Temas

Ciencia de datos Aprendizaje automático Python R

Relacionado

blog