Capítulo 7. Construir unProyecto MLOps de Producciónde la A a la Z
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
Este capítulo proporciona un ejemplo de proyecto de ML con todos sus componentes y los atributos MLOps necesarios para la implementación en producción. Sigue las prácticas presentadas en el Capítulo 3. Las aplicaciones de ejemplo predicen y previenen el fraude en las transacciones de crédito calculando las características del usuario y de la transacción e introduciéndolas en un modelo clasificador, que determinará si la transacción es legítima.
Todos los ejemplos de código presentados en este capítulo están almacenados en Git.
La ejecución del proyecto consta de los siguientes pasos:
-
Explorar y analizar los datos (EDA)
-
Construir el pipeline de ingesta y preparación de datos
-
Construir el proceso de entrenamiento y validación del modelo
-
Desarrollar el pipeline de servicio de la aplicación (interceptar peticiones, procesar datos, inferir, etc.)
-
Monitoreo de los datos y del modelo (deriva y más)
-
Abordar las operaciones continuas y el CI/CD
El paso de preparación de datos se implementará de dos formas: utilizando paquetes estándar de Python y utilizando un almacén de características.
La prevención del fraude es un reto, ya que requiere procesar transacciones y eventos en bruto en tiempo real y ser capaz de responder rápidamente y bloquear transacciones antes de que se produzcan. Considera ...
Get Implantar MLOps en la empresa now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
