# ClearML Plataforma de infraestructura de IA para gestionar clústeres de GPU, desarrollar y entrenar modelos de IA/ML y desplegar cargas de trabajo de IA generativa en entornos alojados, autogestionados e híbridos. - Findings24: - Sitio web: - Precios: Freemium - Categorías: Asistente DevOps IA, Asistente de Código IA, Herramientas IA Dev ## ¿Qué es ClearML? ClearML es una plataforma de infraestructura de IA estructurada en torno a tres capas conectadas: un plano de control de la infraestructura, un centro de desarrollo de IA y un motor de aplicaciones de IA generativa. En conjunto, están diseñadas para ayudar a los equipos a gestionar recursos de cómputo, desarrollar y entrenar modelos de IA/ML y desplegar aplicaciones de IA generativa en entornos empresariales. La plataforma está diseñada para organizaciones que necesitan controlar tanto los flujos de trabajo de software como la infraestructura. Las páginas de origen describen funciones para gestionar clústeres de GPU, realizar el seguimiento de experimentos, crear canalizaciones, administrar repositorios de modelos, automatizar CI/CD, versionar conjuntos de datos y desplegar LLM, con opciones que incluyen entornos alojados, autogestionados, VPC, locales, aislados y híbridos. ## ¿Qué puede hacer ClearML? ### Control de la infraestructura y orquestación de GPU Gestiona clústeres de GPU en entornos locales, en la nube o híbridos con programación, gestión de cuotas, GPU fraccionadas dinámicas y controles de facturación basados en el uso. ### Espacio de trabajo integral para el desarrollo de IA/ML Usa el centro de desarrollo de IA para gestionar experimentos, conjuntos de datos, modelos, artefactos, métricas, informes y canalizaciones desde un entorno de trabajo compartido. ### Seguimiento reproducible de experimentos Realiza un seguimiento del código, la configuración, los registros, los paquetes y los cambios no confirmados para mantener la reproducibilidad de las ejecuciones de modelos y facilitar la depuración. ### Versionado de conjuntos de datos y gestión de datos Crea versiones reutilizables de conjuntos de datos con metadatos consultables, vistas previas, herencia, almacenamiento diferencial y backends de almacenamiento flexibles como HTTP, S3, GCS, Azure y NAS. ### Flujo de trabajo de despliegue de IA generativa Despliega y mejora iterativamente las cargas de trabajo de IA generativa con las herramientas de App Engine para API de LLM, ingesta de datos, creación de bases de datos vectoriales y recopilación de comentarios. ### Modelo de despliegue flexible Adapta la plataforma a distintos modelos operativos mediante opciones de despliegue alojadas, autogestionadas, VPC, locales, aisladas o híbridas. ## Casos de uso ### Operaciones centralizadas de infraestructura de IA Proporciona y administra la capacidad de GPU entre equipos, y asigna el trabajo mediante gestión de cuotas, programación y controles de GPU fraccionadas. ### Desarrollo y experimentación de modelos Realiza un seguimiento de los experimentos, compara ejecuciones, gestiona conjuntos de datos y organiza los artefactos de los modelos durante el desarrollo iterativo de IA/ML. ### Orquestación del entrenamiento a escala Encola trabajos de entrenamiento y permite que la plataforma gestione la programación, la ejecución en contenedores y la reproducibilidad en recursos locales, en la nube o de HPC. ### Puesta en marcha de aplicaciones de IA generativa Despliega LLM personalizados o ajustados, configura controles de acceso y facilita la iteración de modelos con herramientas de ingesta de datos y bases de datos vectoriales. ### Automatización de flujos de trabajo para equipos de IA Usa una sola plataforma para el versionado, la generación de informes y la automatización de CI/CD cuando los equipos necesitan una transición más fluida entre el desarrollo y la producción. ## Preguntas frecuentes ### ¿Cómo divide ClearML su plataforma en distintas capas? La plataforma de ClearML se presenta como un sistema de tres capas: plano de control de la infraestructura, centro de desarrollo de IA y motor de aplicaciones de IA generativa. El centro de desarrollo es el entorno de trabajo para desarrollar, entrenar y desplegar modelos de IA/ML, mientras que las otras capas gestionan la infraestructura y el despliegue de IA generativa. ### ¿Qué opciones de despliegue admite ClearML? La página de precios indica que ClearML está disponible en servidores alojados, como solución autogestionada o como servicio gestionado, con opciones de despliegue que incluyen VPC, entornos locales, aislados o híbridos según el plan. ### ¿Qué pueden hacer los equipos en el centro de desarrollo de IA? El material de origen indica que el centro de desarrollo de IA admite la gestión de experimentos, la orquestación, los paneles, las canalizaciones, el repositorio de modelos, la integración de CI/CD, la integración de datos, la optimización de hiperparámetros y el despliegue de modelos. También señala compatibilidad con el ajuste de modelos y la integración de bases de datos vectoriales en la matriz de funciones de precios. ### ¿Qué planes de precios están disponibles? La página de precios enumera las opciones Community, Pro, Scale y Enterprise. Community aparece como gratuita, Pro es un plan de pago por usuario y Scale y Enterprise utilizan presupuestos personalizados. ### ¿Se puede autogestionar ClearML? Sí. La página de inicio indica que ClearML es una plataforma unificada de código abierto, y la página de precios señala que también se puede ejecutar ClearML autogestionado como una solución 100 % de código abierto en GitHub. ## Datos rápidos - **Categoría**: Plataforma de infraestructura de IA - **Usuarios principales**: Desarrolladores de IA, equipos de IA/ML y equipos de TI/DevOps - **Flujo de trabajo principal**: Gestionar recursos de cómputo, desarrollar modelos y desplegar IA generativa desde una sola plataforma - **Despliegue**: Alojado, autogestionado, VPC, local, aislado e híbrido - **Estructura de precios**: Plan Community gratuito, plan Pro de pago y planes Scale y Enterprise con presupuesto personalizado - **Sitio web**: clear.ml