Integración del aprendizaje automático en una PYME: caso práctico en Darwinex

Abstract

La implantación de una tecnología nueva, como puede ser el Aprendizaje Automático, puede resultar un reto para una PYME, ya sea por la falta de recursos de personal, tiempo o dinero. Por ello, al plantearlo es necesario tener una guía que permita evaluar y facilitar el proceso de implantación, así como contar con las herramientas que mejor se adapten a las peculiaridades del Aprendizaje Automático. En el presente proyecto se ha realizado una investigación previa para elegir la metodología más acorde a los requisitos del Aprendizaje Automático, la librería necesaria para implementarla que permita agilizar el desarrollo, y la infraestructura que nos permita desarrollar y desplegar el proyecto adecuándose tanto a los requisitos del proyecto, la tecnología, así como a las capacidades de la empresa. Posteriormente, con las herramientas elegidas, se ha realizado el procedimiento de implantación en una PYME realizando el desarrollo de un proyecto según las necesidades marcadas por la empresa. En este desarrollo se ha puesto a prueba la metodología, la librería y la infraestructura utilizando un caso real, lo cual permite evaluar de una manera real las herramientas. Estas herramientas, junto a la metodología, han permitido desarrollar un sistema con unos modelos cuyas métricas han superado las expectativas. En conjunto se tiene una guía que describe como podría ser el proceso de creación del primer proyecto de Aprendizaje Automático en una PYME.

The implementation of a new technology, such as Machine Learning, can be a challenge for an SME due to the lack of resources in terms of employees, time, or money. For this reason, it is necessary to have a guide to evaluate and help with the implementation process, as well as to have the tools that fit to the peculiarities of Machine Learning. In this project, a previous research has been carried out to choose the most suitable methodology for the Machine Learning requirements, the necessary library to implement it in order to speed up the development, and the infrastructure that allows us to develop and deploy the project according to the requirements of the project and the technology, as well as to the company's capabilities. Afterwards, with the chosen tools, the implementation procedure has been carried out in an SME, developing a project according to the needs set by the company. In this development, the methodology, the library, and the infrastructure have been tested using a real case, which allows to evaluate the tools in a real way. These tools, together with the methodology, have allowed the development of a system with models, whose metrics have exceeded expectations. Overall, we have a guide that describes how the process of creating the first Machine Learning project in an SME could be.