MLOps del Notebook al Pipeline

Mientras la mayoría de los libros te enseñan qué es MLOps, éste te enseña cómo construirlo paso a paso, con una estructura de carpetas profesional que podrás copiar y pegar en tu próximo proyecto. Deja de crear experimentos. Empieza a construir soluciones. Muchos científicos de datos dominan la experimentación, pero se detienen ante el "abismo" de la puesta en producción. Este libro es el puente que necesitas para cruzarlo. ¿Para quién es este libro? Este libro está escrito para Científicos de Datos, Analistas y Desarrolladores que ya saben programar en Python y entienden lo básico de Machine Learning, pero que se sienten perdidos cuando escuchan términos como Docker, API, CI/CD o Kubernetes. No necesitas ser un experto en infraestructura; este libro te enseñará desde cero cómo piensa un ingeniero de software. ¿Qué vas a encontrar dentro? A través de un caso práctico, dejaremos atrás los scripts de un notebook para construir un pipeline. Aprenderás a: • Modularizar tu código: Romper el Notebook en piezas lógicas y reutilizables. • Crear Contratos de Datos: Usar Pydantic para control de calidad de datos. • Contenerizar con Docker: Empaquetar tu solución para el despliegue. • Desplegar APIs reales: Crear servicios con Streamlit o FastAPI. • Orquestar y Monitorizar: Entender cuándo y cómo usar Airflow y mlflow. ¿Por qué este libro es diferente? A diferencia de otros manuales teóricos y densos, este es un libro ejecutivo y radicalmente práctico. No perderemos el tiempo en definiciones infinitas. Aquí, cada concepto teórico se traduce inmediatamente en un archivo .py, un comando de terminal o un contenedor funcionando.