# Descripción general

Herramientas y plataformas de Operaciones de Aprendizaje Automático para gestionar flujos de trabajo de ML en infraestructura GPU.

MLOps combina aprendizaje automático con prácticas de DevOps para optimizar el desarrollo, despliegue y supervisión de modelos. Esta categoría abarca plataformas MLOps populares que ayudan a los equipos a gestionar todo el ciclo de vida del ML, desde la experimentación hasta el despliegue en producción.

Despliega plataformas ML completas y soluciones de serving de modelos en GPUs de CLORE.AI para acelerar tus flujos de trabajo de aprendizaje automático, rastrear experimentos y servir modelos a escala en el marketplace de Clore.ai.

## Guías disponibles

| Guía                                                                                          | Caso de uso                                      | Dificultad |
| --------------------------------------------------------------------------------------------- | ------------------------------------------------ | ---------- |
| [BentoML](/guides/guides_v2-es/mlops-y-despliegue/bentoml.md)                                 | Plataforma de serving de modelos                 | Medio      |
| [ClearML](/guides/guides_v2-es/mlops-y-despliegue/clearml.md)                                 | Plataforma MLOps completa                        | Medio      |
| [MLflow](/guides/guides_v2-es/mlops-y-despliegue/mlflow.md)                                   | Seguimiento de experimentos y gestión de modelos | Fácil      |
| [Triton Inference Server](/guides/guides_v2-es/mlops-y-despliegue/triton-inference-server.md) | Serving de modelos de alto rendimiento           | Avanzado   |

## Comparación de plataformas

| Plataforma | Ideal para                     | Soporte GPU |
| ---------- | ------------------------------ | ----------- |
| BentoML    | Serving de modelos             | Excelente   |
| ClearML    | Ciclo completo de MLOps        | Excelente   |
| MLflow     | Seguimiento de experimentos    | Bueno       |
| Triton     | Inferencia de alto rendimiento | Excelente   |

## Flujo de trabajo MLOps

1. **Experimentar** - Rastrear con MLflow/ClearML
2. **Entrenar** - Usar instancias GPU para el entrenamiento de modelos
3. **Servir** - Desplegar con BentoML/Triton
4. **Monitorear** - Rastrear rendimiento y deriva

## Guías relacionadas

* [Entrenamiento y ajuste fino](/guides/guides_v2-es/entrenamiento/training.md)
* [Modelos de lenguaje](/guides/guides_v2-es/modelos-de-lenguaje/language-models.md)


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-es/mlops-y-despliegue/mlops.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.