Integración de MLOps en la administración de riesgo de modelos : un enfoque innovador para la fiabilidad y robustez en modelos predictivos

Ospina Arango, Juan David2024-10-252024https://hdl.handle.net/10784/34706Este documento explora la propuesta de integración de metodologías de Operación de Modelos de Aprendizaje de Maquina (Machine Learning Operations - MLOps) en la Administración de Riesgo de Modelo (Model Risk Management - MRM) para promover la gestión efectiva de riesgo. A través de una revisión sistemática de la literatura, se examinan definiciones y prácticas actuales de MLOps y MRM, destacando su aplicabilidad en diversas industrias, y no exclusivamente para el sector financiero. El estudio identifica los desafíos clave de la MRM, como la validación de modelos y la calidad de los datos, y propone soluciones basadas en principios de MLOps y sus herramientas. Esta propuesta sugiere que la temática desarrollada en este documento puede reportar algún grado de novedad, y que además MLOps puede abordar efectivamente los retos de MRM, mejorando la administración del ciclo de vida de los modelos y asegurando el cumplimiento regulatorio, lo que es crucial para la estabilidad y eficiencia operativa de las instituciones.spaAttribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)MLOPSMRMAdministración de riesgo de modelosOperación de modelosAprendizaje de máquinaMLIntegración de MLOps en la administración de riesgo de modelos : un enfoque innovador para la fiabilidad y robustez en modelos predictivosmasterThesisinfo:eu-repo/semantics/openAccessCIENCIA DE LA INFORMACIÓNAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)RIESGO (FINANZAS)FINANZASAcceso abierto2024-10-25Castañeda Ríos, José Luis