MLOps es la ingeniería que saca un modelo de aprendizaje automático de un cuaderno y lo mantiene funcionando en producción: entrenamiento reproducible, datos y modelos versionados, despliegue, monitorización y reentrenamiento. Un modelo es código más datos más configuración, y se degrada a medida que el mundo cambia, así que el flujo que lo rodea importa más que cualquier ejecución aislada.
Conceptos clave
- Reproducibilidad: semillas fijas, dependencias fijadas, configuración registrada y datos versionados, para poder repetir una ejecución.
- Pipelines: validación de datos, cálculo de características, entrenamiento, evaluación y empaquetado como pasos automáticos.
- Patrones de despliegue: puntuación por lotes, servicio en línea, lanzamientos en sombra y canarios, con una vuelta atrás rápida.
- Monitorización: latencia y errores, pero también deriva de las entradas, deriva de las predicciones y calidad frente a etiquetas que llegan tarde.
- Desajuste entre entrenamiento y servicio: las características calculadas de distinta forma fuera de línea y en línea producen fallos silenciosos.
Vocabulario
- Feature store: un sistema compartido que sirve las mismas definiciones de características para entrenar y para servir.
- Registro de modelos: un catálogo de versiones de modelos con sus métricas y su estado.
- Deriva de datos: la distribución de entrada en producción se aleja de la de entrenamiento.
- Deriva de concepto: la relación entre las entradas y la respuesta correcta cambia con el tiempo.
Qué estudiar, en orden
- Git, contenedores y un pipeline de CI, en lo que se apoya todo lo demás.
- Toma un modelo pequeño, automatiza su entrenamiento de punta a punta y consigue que dos ejecuciones den resultados idénticos.
- Versiona los datos y registra cada experimento con sus parámetros y métricas.
- Sirve el modelo tras una API HTTP con validación de entradas, pruebas y una medición de latencia.
- Añade monitorización de deriva, simula un cambio en las entradas y escribe el procedimiento de reentrenamiento y vuelta atrás.
Etiquetas relacionadas
#machine-learning #devops #ci-cd #observability #data-engineering