---
title: "Crear un Endpoint"
url: https://docs.catalyst.zoho.com/es/tutorials/cancer-detection/create-endpoint/
description: "Crea y configura un pipeline de ML que puede usarse para predecir las probabilidades de ser afectado por cáncer de mama con el servicio Catalyst QuickML."
last_updated: 2026-11-04T10:10:44Z
service: All Services
type: tutorial
related_links:
  - name: "Pipeline Endpoints"
    url: /es/quickml/help/pipeline-endpoints
---

# Crear Endpoint

Ahora [crearemos un endpoint](https://docs.catalyst.zoho.com/es/quickml/help/pipeline-endpoints/) para el modelo de ML Cancer Detection para permitir interactuar con el modelo de forma fluida y obtener predicciones.

1. Navega al componente **Endpoints** en el menú izquierdo y haz clic en **Create Endpoint**.
![create-endpoint](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/cancer-detection-endpoints-screenshot.webp) 

2. Proporciona el nombre del endpoint como "**Cancer_Detection**", elige el modelo como **Pipeline_B model**, el modelo de ML que creamos en el paso anterior, y haz clic en `Create Endpoint`.
![endpoint-name](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/endpoint-name.webp) 

3. En la página de detalles de Endpoints, primero puedes probar el modelo proporcionando una solicitud de ejemplo. Para la solicitud a continuación, el modelo predice que el registro es Cancer Malignant(M). El **likelihood score** se usa en modelos de clasificación para devolver la estimación de probabilidad; este valor indica la confianza del modelo en sus predicciones.

4. Haz clic en `Publish` y usa la URL del endpoint para integrar el modelo de ML con cualquier otra aplicación.
![endpoint-url](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/cancer-detection-endpoint-details-page.webp) 

> **Nota:** También puedes consultar [este documento](https://docs.catalyst.zoho.com/es/quickml/help/pipeline-endpoints/#external-oauth2-authentication) para implementar autenticación de pipeline y asegurar el acceso seguro a endpoints, los modelos de ML y los conjuntos de datos.