State of the art practices for MLSecOps and LLMSecOps

La Intel·ligència Artificial (IA) ha començat a convertir-se en una part indispensable de la indústria, modificant des de l'arrel el marc tecnològic i canviant la manera amb la que interactuem amb el món. Tot i així, com qualsevol camp en les seves primeres etapes de desenvolupament, és encara un repte desenvolupar Aprenentatge Automàtic (AA) i Grans Models de Llenguatge (GML) d'una manera eficient, segura, privada i reproduïble. Aquesta tesi proporciona un anàlisi en profunditat de l'estat actual de les tècniques en AA i GML des de la fase de desenvolupament fins a la fase de publicació. A més a més, la tesi ressalta els potencials riscos de seguretat i privacitat que es poden trobar en cadascun dels passos i tècniques mencionats. Per finalitzar, proporciona detalls interessants sobre com un projecte de GML comença fins que arriba a l'estat de maduresa d'una prova de concepte. A més a més, s'expliquen les tècniques que han sigut usades així com les que han estat descartades.
Artificial Intelligence (AI) is becoming an integral part of industries, reshaping the technological landscape and changing the way we interact with the world. However, as any newborn field, it is a current challenge to develop Machine Learning (ML) and Large Language Models (LLM) in an efficient yet secure, private and reproducible way. This thesis provides an in-depth analysis of the current state-of-the-art practices in ML and LLM from the development phase to the final release phase. It also highlights the potential security and privacy risks found in each of the different steps and techniques mentioned. Finally, it provides interesting insights of how a project involving LLM is started from scratch until it reaches a mature-wise Proof of Concept (PoC) state, which techniques have been used and which ones have been discarded.