Practical MLOps

Guía práctica orientada a la ingeniería de software y la infraestructura publicada por O'Reilly en 2021, coescrita por Noah Gift y Alfredo Deza. Su objetivo es trasladar la filosofía DevOps y la automatización continua al ciclo de vida completo del aprendizaje automático. Está dirigida a científicos de datos, ingenieros de machine learning y administradores de sistemas o DevOps de nivel intermedio que necesitan migrar modelos experimentales desde cuadernos locales hacia servicios estables, reproducibles y monitorizados en la nube. Requiere conocimientos previos de programación en Python, soltura con la terminal Linux/Bash y nociones elementales de servicios en la nube.

El texto desglosa la jerarquía de necesidades de MLOps y abarca herramientas concretas de automatización: scripts en Bash, formateo y pruebas unitarias con Pytest, e integración y entrega continua (CI/CD) mediante GitHub Actions. Explora marcos de AutoML y explicabilidad como Apple CreateML, Ludwig y FLAML; construcción de utilidades de línea de comandos profesionales con Click; y creación de microservicios web de inferencia con Flask y FastAPI empaquetados en contenedores Docker. Adicionalmente, aborda la implementación práctica de canalizaciones en las tres plataformas de nube dominantes: AWS (Elastic Beanstalk, Lambda y SageMaker), Microsoft Azure (Azure ML y Azure Pipelines) y Google Cloud Platform (Cloud Run y AI Platform), incluyendo la exportación de modelos interoperables mediante ONNX para arquitecturas heterogéneas y dispositivos edge.

A través de sus capítulos se desarrollan herramientas CLI auxiliares, microservicios de predicción contenerizados y pipelines automáticos de CI/CD que compilan, testean y despliegan modelos en la nube ante cada cambio de código. Su mérito radica en su enfoque pragmático y austero, enseñando a evitar herramientas innecesariamente complejas y priorizando la disciplina de ingeniería de software sobre el exceso de capas. Aunque algunas consolas de proveedores de nube han actualizado su interfaz gráfica desde 2021, los principios de automatización, pruebas y contenedores conservan total vigencia. Es ideal para perfiles analíticos que buscan dominar la puesta en producción y la automatización operativa.