Estado: contenido pendiente (Fase 6 de ../PLAN.md). Este README es el
índice planeado; los archivos se irán creando en esa fase.
Objetivos
Al finalizar el módulo, el estudiante será capaz de registrar y comparar experimentos de
forma trazable, versionar y empaquetar un modelo entrenado, exponerlo como un servicio HTTP
consumible por otras aplicaciones, y describir cómo se monitorea su desempeño en producción.
Contenidos
✅ Núcleo
- S14 — MLflow: tracking de experimentos, comparación de runs, model registry.
- S14 — Serialización y versionado del modelo. Del notebook al artefacto reproducible.
- S14 — APIs: qué son, métodos HTTP relevantes, contrato de entrada y salida.
- S14 — API de inferencia con FastAPI: endpoints
/health y /predict, validación
del payload.
- S14 — Empaquetado con Docker.
- S14 — Monitoreo en producción: drift de datos y de concepto; criterios de
reentrenamiento.
🔵 Opcional
- Integración continua para proyectos de ML (tests del pipeline, linting de notebooks).
- Alternativas de despliegue: servicios gestionados, contenedores en la nube.
- Cierre: sustentación de los proyectos integradores.
Materiales
Teoría
| # | Documento | Tema | Estado |
|---|
| 01 | teoria/01-trazabilidad-mlflow.md | Tracking, runs, métricas, artefactos, model registry | ⬜ |
| 02 | teoria/02-apis-para-modelos.md | Qué es una API, métodos HTTP, diseño del contrato de predicción | ⬜ |
| 03 | teoria/03-empaquetado-y-despliegue.md | Serialización, Docker, entornos de ejecución | ⬜ |
| 04 | teoria/04-monitoreo-y-drift.md | Drift de datos y de concepto, métricas en producción, reentrenamiento | ⬜ |
Notebooks
| # | Notebook | Tipo | Contenido | Estado |
|---|
| 01 | notebooks/01-mlflow-aplicado.ipynb | aplicado | Registrar experimentos, comparar runs y promover un modelo | ⬜ |
| 02 | notebooks/02-drift-intuicion.ipynb | intuición | Simular drift y ver cómo se degrada el desempeño | ⬜ |
Código de despliegue
| Ruta | Contenido | Estado |
|---|
api/main.py | API FastAPI con /health y /predict | ⬜ |
api/esquemas.py | Validación del payload de entrada y salida | ⬜ |
api/README.md | Cómo ejecutar y probar la API localmente | ⬜ |
docker/Dockerfile | Imagen del servicio de inferencia | ⬜ |
docker/README.md | Construcción y ejecución del contenedor | ⬜ |
Ejercicios
| # | Enunciado | Solución | Estado |
|---|
| 01 | ejercicios/ej01-mlflow.md | ej01-mlflow-sol.md | ⬜ |
| 02 | ejercicios/ej02-api.md | ej02-api-sol.md | ⬜ |
Quiz
| Archivo | Clave | Estado |
|---|
quiz/quiz-modulo-6.md | quiz/quiz-modulo-6-sol.md | ⬜ |
Entrega del proyecto integrador
E6 — Entrega final. Modelo registrado en MLflow, expuesto como API, más el informe final
del caso y su sustentación. Ver ../proyecto-integrador/.
Docker solo se necesita en este módulo; si no puedes instalarlo, la sesión incluye la
alternativa de ejecutar la API con uvicorn. Ver
../docs/guia-entorno.md.