Qué significa CI/CD para los modelos

CI/CD significa automatizar los pasos entre escribir código y publicarlo, de modo que una máquina compruebe y despliegue su trabajo en lugar de que usted lo haga manualmente. 🚀

La integración continua ejecuta sus pruebas automáticamente cada vez que envía código, detectando los errores pronto en lugar de descubrirlos días después, cuando resulta más difícil corregirlos.

La entrega continua toma el código que ha superado la CI y lo prepara o publica automáticamente en producción, para que las versiones dejen de ser eventos manuales y preocupantes.

La CI/CD clásica publica código. Las canalizaciones de ML también publican un modelo entrenado y los datos con los que aprendió, por lo que ahora debe controlar tres elementos en movimiento, no uno.

Las pruebas de la aplicación comprueban la lógica. La CI de ML también comprueba la calidad del modelo: verifica si se mantuvo la precisión, no solo si el código se ejecutó sin fallar.

Compilar código tarda segundos. El entrenamiento de un modelo puede tardar minutos u horas, por lo que las canalizaciones de ML suelen entrenar con una muestra pequeña en la CI y con todos los datos solo durante la publicación.

Para reconstruir cualquier modelo exactamente, debe fijar su código, la versión de sus datos y su entorno. La CI/CD para ML automatiza la fijación de los tres.

En la CI/CD de aplicaciones, el resultado es un binario. En ML, el artefacto clave es el archivo del modelo entrenado, que se versiona, se almacena y luego se despliega.

Una canalización de ML encadena etapas claras: analizar estáticamente el código, ejecutar pruebas, entrenar, evaluar y solo después compilar la imagen desplegable.

Un activador decide cuándo se ejecuta una canalización, por ejemplo, en cada envío, cada solicitud de incorporación de cambios o cada publicación etiquetada. Configura estas reglas una vez y no tiene que volver a hacer clic.

Sin CI/CD, un modelo se pone en producción solo cuando alguien se acuerda de ejecutar los scripts. Con ella, cada cambio se prueba y se publica de la misma forma segura en cada ocasión.

La CI prueba cada cambio, la CD lo publica y, en ML, se añaden el modelo y sus datos como artefactos controlados. Los activadores y las canalizaciones por etapas hacen que las publicaciones sean seguras y repetibles.