← Todas las etiquetas

#zenml

MLOps: Pipelines con ZenML

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

MLOps: Pipelines con ZenML

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

MLOps: Pipelines con ZenML

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

MLOps: Pipelines con ZenML

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

MLOps: Pipelines con ZenML

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