Propósito del Curso
El curso tiene como objetivo las prácticas esenciales de desarrollo y despliegue de modelos de aprendizaje automático (ML). Se explora desde la creación y ajuste de modelos hasta su implementación en entornos de producción. A través de buenas practicas de desarrollo, pruebas y seguimiento, los estudiantes obtendrán las habilidades necesarias para garantizar la calidad, escalabilidad y trazabilidad de los modelos en aplicaciones reales.
Se presentaran Metodologías y Herramientas para desarrollar flujos de trabajo eficientes para proyectos de ciencia de datos reproducibles, mantenibles y escalables. Donde se presentaran buenas prácticas de desarrollo que permiten a los científicos de datos adaptarse a la creciente demanda de complejidad, al tiempo que garantiza que los sistemas desarrollados sean confiables.
El curso hace parte de las optativas del ciclo profesional del programa de Ingeniería de Ciencia de Datos de la Universidad Pontificia Bolivariana.
Conocimientos Previos
- Python (Pandas, Scikit Learn, Numpy, Matplotlib)
- Estadística descriptiva e Inferencial
- Visualización de la información
- Machine Learning (Aprendizaje supervisado y no supervisado)
- Analítica de datos Estructurados (Tabulares)
- Gestión de proyectos
Contenido
1. Introducción
Introducción al curso de Ciencia de Datos en Producción
2. Proyectos de ML
Proyectos de Machine Learning
3. Control de Versiones
Control de versiones de código con Git y GitHub.
Herramientas para el curso
| Python | Ruff | Github Pro |
| UV | Git | Linux (Nativo o Virtual) |
| IDE - Vscode | Docker | Github Actions |
| Copilot | Jupyter | pre-commit |
| Scikit-learn | Pandas | pytest |
| mlflow | pandera | fastapi |
Cronograma
| Clase | Tema |
|---|---|
| MES | 1 |
| 1 | Introducción (Presentación y por que del curso) |
| 2 | Introducción (Contenido, herramientas y evaluación) |
| 3 | Proyectos basados en datos (Generalidades) |
| 4 | Proyectos basados en datos (Proyectos ML) |
| 5 | Proyectos basados en datos (PASOS DE PREPARACIÓN Y DESCRIPCIÓN DE DATOS) |
| 6 | Pull request y buenas practicas |
| 7 | Revision de PR (comentarios, approves, request for changes). Scikit-learn Transformers y models |
| 8 | Pipelines, modelo base y selección de modelos. |
| MES | 2 |
| 9 | Model interpretation y demos (streamlit, taipy, gradio) |
| 10 | Trabajo en Clase (Resolver Issues y PR) |
| 11 | MLOPS (Generalidades y Nivel 0) y Agile Básico |
| 12 | Desarrollo en ambientes virtuales ( Gestor de python, ambientes y dependencias) |
| 13 | Python Scripts (funciones) |
| 14 | Pruebas unitarias y de integración |
| 15 | Code-quality (linter, formater, isort, mypy, pip-audit, pre-commit) |
| MES | 3 |
| 16 | CI /CD |
| 17 | Data Validation y Model validation |
| 18 | Repositorios (Mono repo, Multi repo), Branching gitflow, Commits |
| 19 | Experiment Tracking |
| 20 | Despliegue de modelos (Docker, FastAPI) |
| 21 | Model Monitoring (Data drift, Model Drift, concept drift) |
| 22 | MLOPS (Generalidades y Nivel 1) |
Referencias
Libros y Papers
- Thompson, S. (2023). Managing Machine Learning Projects: From Design to Deployment. Simon and Schuster.
- Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications, Chip Huyen, June 2022, 386 pages.
- Effective Data Science Infrastructure:, How to make data scientists productive, Ville Tuulos, July 2022, 352 pages.
- Machine Learning Operations (MLOps): Overview, Definition, and Architecture,
Cursos y Tutoriales
- ciencia de datos con python
- MLOps Zoomcamp course
- https://madewithml.com/
- Machine learning con Python y Scikit-learn
- Efficient Python Tricks and Tools for Data Scientists
- Build a Reproducible and Maintainable Data Science Project
Web
- MLOps: Continuous delivery and automation pipelines in machine learning in Google
- Best Practices for ML Engineering in Google
- https://github.com/EthicalML/awesome-production-machine-learning