Fundamentos de MLOps
IntermediateSkill Level
14 h
¿Qué es MLOps?
En 2015, Google publicó un artículo de investigación titulado «Hidden Technical Debt in Machine Learning Systems». En este trabajo, Sculley et al. subrayaban que programar modelos predictivos de machine learning es solo una pequeña parte de lo que implica crear, desplegar y mantener sistemas de machine learning en producción. El artículo sacudió al sector y desde entonces se ha confirmado con innumerables casos de data scientists que tienen dificultades para poner sus modelos en producción.
En los últimos años ha surgido la emocionante categoría de MLOps (Machine Learning Operations) con el objetivo de resolver los retos de despliegue a los que se enfrentan los equipos de datos. MLOps, o Machine Learning Operations, es un conjunto de herramientas, prácticas, técnicas y cultura que garantizan un despliegue fiable y escalable de sistemas de machine learning. A medida que la ciencia de datos madura, MLOps es una de las especializaciones que más rápido están creciendo para los data scientists.
Dado que MLOps es un campo aún incipiente, no abundan las rutas de aprendizaje estructuradas. Aun así, las comunidades de open source y de machine learning han puesto a disposición de cualquiera una amplia variedad de recursos gratuitos, muy fiables y de utilidad inmediata. Aquí tienes 10 recursos gratuitos con los que puedes empezar hoy mismo tu camino de aprendizaje en MLOps.
1. Itinerario de aprendizaje de fundamentos de MLOps
El itinerario de habilidades de DataCamp, MLOps Fundamentals, cubre el ciclo de vida completo de una aplicación de machine learning, desde la recogida de requisitos de negocio hasta el diseño, el desarrollo, el despliegue, la operación y el mantenimiento. Este itinerario incluye cursos conceptuales diseñados para ayudarte a ampliar tus conocimientos de ciencia de datos hacia el software de machine learning en producción. Al finalizar, contarás con una mentalidad MLOps y conocerás en profundidad conceptos como CI/CD y CM/CT, seguimiento de experimentos, registros de modelos, feature stores y distintas estrategias de despliegue.
2. Machine Learning Engineering, de Andriy Burkov
Publicado originalmente en 2020, este libro es uno de los pocos que cubren los fundamentos del machine learning aplicado. En lugar de centrarse en una herramienta o concepto concreto, Burkov desglosa el arte y la ciencia de construir y desplegar un proyecto de machine learning de extremo a extremo. A lo largo del libro, destaca los retos más habituales a los que se enfrentan los equipos de datos al poner modelos en producción y cómo resolverlos.
Puedes acceder al libro gratis, ya que sigue el principio «lee primero, compra después»: es decir, puedes leerlo y pagar si te ha aportado valor.
3. ML in Production Blog
Algunos de los mejores recursos sobre MLOps se encuentran en newsletters y blogs de data scientists en activo. El ML in Production Blog and Newsletter de Luigi Patruno es un gran ejemplo. Comparte con regularidad contenido valioso sobre el despliegue y el mantenimiento de modelos en producción. Así describe su enfoque de curación:
- Aplicado: contenido centrado en herramientas, patrones, plataformas y sistemas que han demostrado funcionar en producción.
- Enfoque en buenas prácticas: la ciencia de datos y el machine learning cambian a gran velocidad. Faltan perfiles con las competencias necesarias para desplegar estos sistemas y no hay suficientes buenas prácticas consolidadas. La newsletter busca curar estas buenas prácticas para toda la comunidad.
- Orientado a hacer a los data scientists más efectivos: todo el contenido curado pretende ayudar a data scientists, ingenieros de ML y profesionales de datos a adquirir y mejorar competencias de alto impacto y alta empleabilidad.
4. MLOps Community
Aprender MLOps es mucho más efectivo en comunidad y con práctica. Esta comunidad de profesionales es ideal para que te conectes (o te unas) y aprendas de especialistas con experiencia en el campo. Con blogs, vídeos y conversaciones muy dinámicas, es un recurso fantástico para afianzar tu posición en este ámbito.
5. Full Stack Deep Learning
Este curso ofrece contenido de altísima calidad para aprender a llevar a producción modelos complejos y de gran tamaño. No solo lo imparten profesionales de referencia como ingenieros y científicos de OpenAI y Stanford, también incluye clases invitadas de líderes de algunas de las empresas de machine learning más inspiradoras, como Andrej Karpathy (Tesla).
Este curso enseña un enfoque full stack de deep learning, que incluye:
- Formular el problema y estimar el coste del proyecto
- Buscar, limpiar, etiquetar y aumentar datos
- Elegir el framework y la infraestructura de cómputo adecuados
- Solucionar problemas de entrenamiento y garantizar la reproducibilidad
- Desplegar modelos en producción
6. Made With ML, de Goku Mohandas
Goku Mohandas ha creado un curso abierto y sobresaliente sobre cómo construir sistemas de machine learning de extremo a extremo. Made with ML es uno de los repositorios más populares de GitHub, y más de 30.000 personas siguen su curso.
Las lecciones de Made with ML abarcan desde las bases del machine learning hasta todos los detalles del despliegue, las pruebas y la monitorización de modelos en producción. Las clases de Goku explican la intuición detrás de los conceptos, proponen tareas prácticas basadas en proyectos y proporcionan a los estudiantes algunas de las mejores prácticas de ingeniería de software necesarias para triunfar en un rol de MLOps.
7. Awesome production machine learning
Este repositorio de GitHub, cuidadosamente curado, es perfecto si quieres ponerte manos a la obra con paquetes, librerías y herramientas punteras. Todos los paquetes y herramientas listados están pensados para ayudarte a crear, desplegar, supervisar, versionar, escalar y securizar tus sistemas de machine learning en producción.
Ya sea para etiquetado de datos, orquestación del entrenamiento de modelos, explicabilidad, serving, monitorización y mucho más, aquí encontrarás varios paquetes con los que empezar a experimentar en tus proyectos. También incluyen la newsletter The ML Engineer, que te mantiene al día con los últimos frameworks, tutoriales y artículos curados por profesionales de machine learning.
8. Tutorial de MLOps de DVC
DVC (Data Version Control) es un sistema de control de versiones open source para proyectos de machine learning. DVC amplía el control de versiones de Git a conjuntos de datos y modelos. Además, el mismo equipo detrás de DVC desarrolló Continuous Machine Learning (CML), una herramienta para adaptar sistemas de integración continua como GitHub Actions y GitLab CI al machine learning.
Esta serie corta en YouTube destaca conceptos clave en la intersección entre DevOps y machine learning. Equilibra bien teoría y práctica y te muestra cómo aplicar el versionado de datos con DVC.
9. Machine Learning Operations
Este recurso es, probablemente, de los más completos. Reúne artículos que descomponen los distintos elementos de una práctica de MLOps exitosa. Machine Learning Operations presenta guías, marcos, códigos de conducta e intenta sentar estándares en MLOps.
Aunque breve, es un excelente punto de partida que explica por qué MLOps es importante, los principios clave de una práctica eficaz, las herramientas y los frameworks utilizados en MLOps y más.
10. MLOps – Machine Learning Operations, por AIEngineering
AIEngineering es probablemente uno de los mejores, si no el mejor, canales de YouTube para machine learning aplicado. Con más de 60.000 suscriptores, Srivatsan Srinivasan ha creado una comunidad hablando de todo lo relacionado con datos.
Tiene multitud de vídeos y listas de reproducción en profundidad sobre MLOps y sobre cómo desplegar proyectos de machine learning de extremo a extremo. Échales un vistazo.
11. ML Engineering for Production ML Deployments with TFX, de TensorFlow
Google ha creado una de las herramientas más usadas en machine learning con TensorFlow. Y va un paso más allá con TensorFlow Extended (TFX). TensorFlow Extended es una plataforma de extremo a extremo para desplegar modelos de machine learning. Está compuesta por varios paquetes para validación de datos, transformación, análisis de modelos y más. TFX está diseñado para facilitar la creación de sistemas de machine learning sin invertir cantidades absurdas de tiempo y esfuerzo en trabajo de ingeniería de software.
Esta lista de reproducción en YouTube, presentada por el Google Developer Advocate Robert Crowe, te introduce en conceptos clave de MLOps y en las mejores prácticas que se utilizan en Google. Además, la documentación de TFX es una lectura estupenda: simplemente intentar usar el paquete con sus guías ya te puede enseñar muchísimo.
Aprende más sobre MLOps
Aunque MLOps aún está en una fase temprana, merece la pena adelantarse y dominar cuanto antes las mejores prácticas y herramientas que recogen los recursos anteriores. Si te interesa aprender más sobre MLOps, echa también un vistazo a estos recursos:
