Pistas de auditoría y reproducibilidad
Reconstruya cualquier predicción anterior bajo demanda.
Pistas de auditoría y reproducibilidad es una lección gratuita de MLOps Academy en CoddyKit. Esta es la lección 3 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de MLOps Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de MLOps Academy incluye 4 lecciones en total.
Qué es un registro de auditoría
Un registro de auditoría es un registro resistente a manipulaciones que indica quién hizo qué y cuándo, para que cualquier decisión del modelo pueda explicarse mucho después de haber ocurrido. 🧾
Reconstruya cualquier predicción
El objetivo es sencillo, pero estricto: dada una predicción de hace meses, debe reconstruir exactamente el modelo y las entradas que la produjeron.
Registre cada predicción
Para auditarla más adelante, capture ahora la solicitud. Guarde las características de entrada, la salida y la versión del modelo en cada llamada.
log = {"ts": now(), "model_version": "3",
"inputs": features, "prediction": y}
prediction_store.write(log)Fije la versión del modelo
Una predicción aislada no sirve para las auditorías. Guarde siempre la versión del modelo junto a ella para saber exactamente qué modelo respondió.
De la versión a la compilación
La trazabilidad conecta esa versión con su compilación. La versión del registro apunta a una ejecución de MLflow que contiene los datos y el código con los que se creó.
Reproduzca la ejecución
Con el identificador de la ejecución puede reconstruir todo: obtenga el commit registrado, restaure los datos fijados y vuelva a ejecutar el entrenamiento.
run = mlflow.get_run(run_id)
commit = run.data.tags["git_commit"]
subprocess.run(["git", "checkout", commit])Haga inmutables los registros
Un registro de auditoría que puede editarse no demuestra nada. Escriba en un almacenamiento de tipo append-only para que se puedan añadir registros, pero nunca modificarlos silenciosamente.
Mantenga una política de retención
Decida cuánto tiempo deben conservarse los registros. Los campos regulados suelen exigir una retención de varios años, así que establézcala deliberadamente y no por accidente.
Registre el entorno
El código por sí solo no basta. Registre también las dependencias fijadas, ya que una versión distinta de una biblioteca puede cambiar el resultado silenciosamente.
mlflow.log_artifact("requirements.txt")Listo para auditorías de forma predeterminada
El truco consiste en automatizar las trazas. Cuando se registra cada ejecución y cada solicitud, siempre está preparado para una auditoría, sin tener que improvisar. ✅
Reproduzca para verificar
Para demostrar un resultado, introduzca las entradas registradas en el modelo reconstruido. Una salida coincidente confirma que la traza es realmente reproducible.
Comprobación rápida
Piense en qué debe registrar para reconstruir una predicción antigua.
Resumen
Ha visto cómo las trazas de auditoría registran cada predicción con su versión, escriben de forma inmutable y utilizan la trazabilidad para reproducir por completo cualquier resultado anterior. ✅
Aprende Python con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Pistas de auditoría y reproducibilidad» es gratis?
Sí — el texto completo de «Pistas de auditoría y reproducibilidad» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de MLOps Academy, actualiza a CoddyKit PRO. El curso de MLOps Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Pistas de auditoría y reproducibilidad»?
Reconstruya cualquier predicción anterior bajo demanda. Practicas MLOps Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar MLOps Academy?
No se requiere experiencia previa. MLOps Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 3 de 4.
¿Cuánto tiempo toma la lección «Pistas de auditoría y reproducibilidad»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de MLOps Academy?
Sí. Cada lección de MLOps Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Trace la procedencia de los datos al modelo
- Escriba model cards
- Pistas de auditoría y reproducibilidad
- Control de acceso y cumplimiento