Enfoques modernos de tuberías de datospara industrializar sus aplicaciones de IA
Descubra cómo los enfoques modernos de MLOps y Data Engineering aceleran la industrialización de aplicaciones avanzadas de IA y GenAI. En esta sesión, exploraremos juntos el estado actual de la tecnología que garantiza el rendimiento, la escalabilidad y la fiabilidad de los servicios de IA.
También compartiremos nuestras experiencias concretas que ilustran la implementación de estas soluciones y arquitecturas para desplegar y mantener modelos de IA a escala, basándonos en tecnologías de streaming como Kafka, de inferencia como Nvidia Triton y de MLOps como ZenML, etc.
Información prácticas
¿Cuándo?
🗓️ El 24 de junio de 2025, de 8:30 a 10:30
¿Dónde?
📍 París, La Défense, Tour Légende – 20 place de la Défense – 92800 Puteaux
¿Para quién?
🎯 Expertos en tecnología, innovación, directores de sistemas de información... todos aquellos que dirigen equipos de datos/IA de cualquier tamaño.
Los ponentes
Augustin HOFF - Científico jefe de datos en MAIFInvitado especial
Este testimonio concreto de MAIF le sumergirá en el corazón de la industrialización de sus servicios de IA. Descubrirá cómo esta importante aseguradora ha podido diseñar sus canalizaciones de datos en streaming con Kafka para una gestión basada en eventos de su solución.
Augustin HOFF, responsable del proyecto por parte de Data Science (MAIF), y Ugo Lorenzini (ILLUIN Technology) compartirán con nosotros su experiencia y analizarán en detalle la adopción de un enfoque de microservicios, demostrando cómo favorece la agilidad, la escalabilidad y el mantenimiento independiente de los diferentes componentes de IA.
Robert VESOUL
Director general y cofundador
ILLUIN Technology
Victor ALIBERT
Gerente de Ingeniería de Datos
ILLUIN Technology
Ugo LORENZINI
Ingeniero de datos sénior
ILLUIN Technology
Pierre LECERF
Ingeniero de datos sénior
ILLUIN Technology
Desarrollo y temas tratados
8:30 ☕️ Café de bienvenida
9:00 🎤 Introducción a ILLUIN Technology
9:15 ⚙️ Estado actual de la ingeniería de datos para el reentrenamiento automático de modelos en producción
9:30 ⚙️ Experiencia de MAIF sobre la industrialización de los servicios de IA
10:00 🙋♀️ Preguntas y debate
ML Ops
Al integrar flujos de trabajo de entrenamiento, implementación y supervisión continuos, MLOps facilita la iteración rápida de los modelos y garantiza su solidez frente a la evolución de los datos y las necesidades empresariales. Este enfoque es clave para pasar de POC aislados a servicios de IA implementados a gran escala, resilientes y mantenibles a lo largo del tiempo. A través de tecnologías como ZenML, exploraremos cómo MLOps se está convirtiendo en la base de la industrialización de la IA en las empresas.
Ingeniería de datos
El enfoque de ingeniería de datos es un eslabón indispensable para alimentar modelos de IA eficaces e industrializar soluciones de IA. Las canalizaciones de datos modernas deben responder a retos de escalabilidad, fiabilidad y gobernanza. Al explorar tecnologías como Kafka o Airflow, veremos cómo la ingeniería de datos permite construir arquitecturas de flujos de datos de eventos y almacenar datos óptimos.
¿Por qué venir?
- Descubra soluciones avanzadas de MLOps/ingeniería de datos para la industrialización de sus modelos de IA en producción.
- Benefíciese de los conocimientos prácticos y detallados de ILLUIN Technology y sus clientes sobre los retos de la industrialización de la IA mediante tecnologías punteras (Kafka, arquitecturas de microservicios, Nvidia Triton).
- Identifique las buenas prácticas y los escollos que debe evitar en sus propios proyectos de industrialización de la IA, inspirándose en casos de uso reales.
- Intercambie opiniones con sus compañeros y con nuestros expertos sobre sus enfoques y acelere la puesta en producción de sus propios modelos de IA.
Apueste por nuestra experiencia para convertir sus datos en un activo estratégico.
Le acompañamos en el diseño de arquitecturas robustas y la optimización de los flujos de datos para garantizar flujos de datos fiables y eficaces. Tanto si se encuentra al inicio de su proyecto como en una fase avanzada, maximizamos el valor de sus datos para acelerar el éxito de sus proyectos de datos.
Nuestra experiencia
Diseñamos canalizaciones de ingestión y transformación para procesar grandes volúmenes de datos (varios millones al día). Nuestras competencias abarcan, en particular, la transformación de datos (canales ETL/ELT) y el procesamiento por lotes (Apache Spark...), en streaming (Google Dataflow, Apache Beam / Flink...)o por eventos (Apache Kafka...), así como la organización yautomatización de flujos de trabajo complejos con tecnologías como Apache Airflow / Dagster.
Ejemplos de tecnologías utilizadas
Nuestra experiencia
Centralizamos y migramos sus datos a espacios de almacenamiento fiables, seguros y escalables para construir su Single Source of Truth (SSoT). Nuestras soluciones cubren, en particular, arquitecturas de tipo Data Warehouse (Google BigQuery, AWS Redshift) y Data Lake House (en soluciones en la nube como Databricks o en las instalaciones con una pila de tipo Minio / Dremio / Apache Iceberg, por ejemplo).
Ejemplos de tecnologías utilizadas
Nuestra experiencia
Optimizamos y desplegamos sus infraestructuras de datos de forma continua y automatizada (Infraestructura como Código con «Terraform») en sus servidores o en los principales proveedores de nube (GCP, AWS, Azure, OVH, Outscale, etc.). Sus arquitecturas son escalables, seguras y están completamente supervisadas (métricas/panel de control, alertas, registros, seguimiento) con una pila de tipo Prometheus/Grafana para garantizar la fiabilidad de sus operaciones.
Ejemplos de tecnologías utilizadas
Nuestra experiencia
Industrializamos sus proyectos de IA con plataformas ML Ops Cloud (AWS Sagemaker / Azure ML / Vertex AI) o on-premise con ZenML, consolidando sus procesos de principio a fin: desde la experimentación con solucionesde seguimiento de experimentos hasta la implementación en producción, integrando el model serving / versioning y la orquestación de sus procesos de entrenamiento (con Airflow, por ejemplo). Sus datos se almacenan, protegen y versionan en feature stores especializados para poder consultarlos en tiempo real o por lotes.
Ejemplos de tecnologías utilizadas
Nuestra experiencia
Ofrecemos soluciones analíticas completas que abarcan desde el procesamiento y almacenamiento en bases de datos OLAP (por ejemplo , Google BigQuery o Apache Druid ) hasta la integración de soluciones de visualización de datos (Apache Superset, Tableau, etc.). Gracias a nuestra experiencia, sus datos se transforman en información útil mediante herramientas avanzadas de visualización y generación de informes.
Ejemplos de tecnologías utilizadas
Nuestra experiencia
Reforzamos la gobernanza, la trazabilidad (Data Lineage, Data Monitoring) y la seguridad de sus datos garantizando su conformidad (Data Compliance) y su calidad a lo largo de todo su ciclo de vida. Le ayudamos a estructurarse en función de sus necesidades de datos con organizaciones de tipo Data Mesh.
Nuestra experiencia
Diseñamos canalizaciones de ingestión y transformación para procesar grandes volúmenes de datos (varios millones al día). Nuestras competencias abarcan, en particular, la transformación de datos (canales ETL/ELT) y el procesamiento por lotes (Apache Spark...), en streaming (Google Dataflow, Apache Beam / Flink...)o por eventos (Apache Kafka...), así como la organización yautomatización de flujos de trabajo complejos con tecnologías como Apache Airflow / Dagster.
Ejemplos de tecnologías utilizadas
Nuestra experiencia
Centralizamos y migramos sus datos a espacios de almacenamiento fiables, seguros y escalables para construir su Single Source of Truth (SSoT). Nuestras soluciones cubren, en particular, arquitecturas de tipo Data Warehouse (Google BigQuery, AWS Redshift) y Data Lake House (en soluciones en la nube como Databricks o en las instalaciones con una pila de tipo Minio / Dremio / Apache Iceberg, por ejemplo).
Ejemplos de tecnologías utilizadas
Nuestra experiencia
Optimizamos y desplegamos sus infraestructuras de datos de forma continua y automatizada (Infraestructura como Código con «Terraform») en sus servidores o en los principales proveedores de nube (GCP, AWS, Azure, OVH, Outscale, etc.). Sus arquitecturas son escalables, seguras y están completamente supervisadas (métricas/panel de control, alertas, registros, seguimiento) con una pila de tipo Prometheus/Grafana para garantizar la fiabilidad de sus operaciones.
Ejemplos de tecnologías utilizadas
Nuestra experiencia
Industrializamos sus proyectos de IA con plataformas ML Ops Cloud (AWS Sagemaker / Azure ML / Vertex AI) o on-premise con ZenML, consolidando sus procesos de principio a fin: desde la experimentación con solucionesde seguimiento de experimentos hasta la implementación en producción, integrando el model serving / versioning y la orquestación de sus procesos de entrenamiento (con Airflow, por ejemplo). Sus datos se almacenan, protegen y versionan en feature stores especializados para poder consultarlos en tiempo real o por lotes.
Ejemplos de tecnologías utilizadas
Nuestra experiencia
Ofrecemos soluciones analíticas completas que abarcan desde el procesamiento y almacenamiento en bases de datos OLAP (por ejemplo , Google BigQuery o Apache Druid ) hasta la integración de soluciones de visualización de datos (Apache Superset, Tableau, etc.). Gracias a nuestra experiencia, sus datos se transforman en información útil mediante herramientas avanzadas de visualización y generación de informes.
Ejemplos de tecnologías utilizadas
Nuestra experiencia
Reforzamos la gobernanza, la trazabilidad (Data Lineage, Data Monitoring) y la seguridad de sus datos garantizando su conformidad (Data Compliance) y su calidad a lo largo de todo su ciclo de vida. Le ayudamos a estructurarse en función de sus necesidades de datos con organizaciones de tipo Data Mesh.
Algunos éxitos a gran escala
¿Cómo Randstad centralizó sus datos con un Data Mart para mejorar la calidad y optimizar sus procesos empresariales?
¿Cómo GEOPOST ha implementado un Datalakehouse personalizado y escalable para impulsar las aplicaciones de IA?
¿Cómo ha dotado MAIF a sus proyectos de IA de infraestructuras MLOps óptimas para escalarlos?
La elección de los líderes
Para inscribirte, haz clic aquí 👇
🗓️ El 24 de junio de 2025, a partir de las 8:30 h.
📍 Presencial, París, La Défense, Tour Légende – 20 place de la Défense – 92800 Puteaux