MLOps: Pipelines con ZenML

Convertir notebooks en pipelines reproducibles con ZenML: pasos, artefactos y orquestación.

todas zenml mlops pipelines dag steps artifacts cache linaje versionado stacks orquestador artifact-store portabilidad reproducibilidad semillas auditoria serializacion despliegue monitorizacion

Lecciones

Del notebook al DAG

Lo que un pipeline aporta frente a un notebook no es la herramienta: es que obliga a declarar las fronteras entre etapas, y de ahí cuelgan caché, linaje, portabilidad y reproducibilidad. Step, pipeline y stack, y por qué las anotaciones de tipo no son decoración.

zenml
mlops
pipelines
dag
steps

Artifacts, caché y linaje

Lo que devuelve un step no se pasa en memoria: se guarda, versionado e inmutable. De ese guardado cuelgan el caché —y qué lo invalida—, la posibilidad de comparar ejecuciones antiguas, y el linaje que responde a la pregunta difícil: ¿cambió el código o cambiaron los datos?

zenml
artifacts
cache
linaje
versionado

El stack: la infraestructura como configuración

Un stack es una configuración con nombre que dice dónde y cómo corre el pipeline. Qué va en el código y qué en el stack, la pregunta que distingue una cosa de la otra, y —lo que el material no dice— cuándo toda esta estructura no compensa.

zenml
stacks
orquestador
artifact-store
portabilidad

Reproducibilidad: repetir un entrenamiento

Reproducible no es «documentado»: es obtener exactamente el mismo modelo seis meses después. Las cuatro condiciones que deben coincidir, por qué fijar una sola semilla no basta, y el «modelo huérfano» que el código en el repositorio no evita.

zenml
reproducibilidad
semillas
auditoria
serializacion

El despliegue como último paso del pipeline

Desplegar deja de ser una tarea posterior y pasa a ser un nodo del grafo: entrenar, evaluar, decidir y desplegar solo si mejora.

mlops
zenml
despliegue
monitorizacion
pipelines

Ejercicios

Sin ejercicios con este filtro.