¿Qué hace flujo-de-trabajo-ml-pipeline?
Construye pipelines MLOps de extremo a extremo, desde la preparación de datos hasta el entrenamiento, validación e implementación en producción de modelos. Úsalo al crear pipelines de ML, implementar prácticas de MLOps o automatizar flujos de trabajo de entrenamiento y despliegue de modelos.
Descripción General
Esta habilidad proporciona una guía paso a paso y componentes reutilizables para construir pipelines MLOps completos. Incluye etapas como carga de datos, limpieza, ingeniería de características, división en conjuntos de entrenamiento/prueba, entrenamiento de modelos, validación, despliegue y monitoreo.
Plataformas Soportadas
- Claude Code: Integración directa para ejecutar comandos de pipeline.
- Cursor: Soporte para edición de código y ejecución de scripts.
- Codex: Generación de código para componentes del pipeline.
Cómo Usar
- Preparación de Datos: Ejecuta scripts de limpieza y transformación de datos.
- Entrenamiento de Modelos: Utiliza frameworks como TensorFlow, PyTorch o scikit-learn.
- Validación: Evalúa el rendimiento del modelo usando métricas como precisión, recall o F1-score.
- Despliegue: Exporta el modelo a un formato como ONNX o TensorFlow SavedModel y despliega en un servidor.
- Monitoreo: Configura alertas para drift de datos y degradación del modelo.
Ejemplo de Pipeline
# Ejemplo básico de pipeline ML
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
pipeline = Pipeline([
("scaler", StandardScaler()),
("classifier", RandomForestClassifier())
])
pipeline.fit(X_train, y_train)
predictions = pipeline.predict(X_test)
Variables de Entorno
MLFLOW_TRACKING_URI: URI del servidor de MLflow para registro de experimentos.DATA_PATH: Ruta al directorio de datos.MODEL_REGISTRY_PATH: Ruta al registro de modelos.
Notas
- Asegúrate de tener Docker instalado si usas contenedores para despliegue.
- Se recomienda usar entornos virtuales (conda, venv) para gestión de dependencias.
- Revisa la documentación de las herramientas específicas para detalles avanzados.