El avance en MLOps, o machine learning operations, está transformando significativamente cómo las empresas gestionan sus modelos de aprendizaje automático. Esta intersección de personas, procesos y tecnología busca optimizar la implementación de casos de uso de ML, garantizando la reproducibilidad y robustez de los ciclos de vida de los modelos.
Las empresas deben considerar plataformas de MLOps que faciliten la observabilidad de extremo a extremo. Estas herramientas operan en sistemas de múltiples cuentas con estrictas medidas de seguridad, aplicando buenas prácticas de desarrollo como integración y entrega continua (CI/CD). Este enfoque permite que los usuarios realicen cambios exclusivamente a través de sus repositorios de código.
Terraform, desarrollado por HashiCorp, se ha posicionado como una herramienta clave en este espacio. Su aplicación en la creación y estandarización de infraestructuras en entornos multi-nube, especialmente en AWS, está facilitando la colaboración entre comunidades de DevOps y MLOps mediante plataformas como GitHub.
Un reciente artículo detalla la implementación de una plataforma de MLOps usando Terraform junto con GitHub y GitHub Actions. Esta guía se centra en construir una infraestructura para robustas pipelines de entrenamiento, registrando modelos en el Registro de Modelos de Amazon SageMaker y simplificando el proceso desde el desarrollo hasta el despliegue.
Científicos de datos e ingenieros de ML son los beneficiarios directos, pudiendo elegir plantillas de proyectos de SageMaker que se ajusten a sus requerimientos. Estas plantillas crean automáticamente repositorios privados en GitHub, ajustables según las necesidades específicas, utilizando modelos reutilizables de Terraform.
Las plantillas personalizadas de SageMaker para entrenamiento y evaluación de modelos ofrecen orientación a las organizaciones. Cada proyecto activa una plantilla de AWS CloudFormation que gestiona infraestructura y recursos, agilizando la fase de implementación y reduciendo errores.
El creciente interés en estas plataformas se debe a su capacidad para simplificar la preparación de infraestructuras en AWS, organizar estructuras en GitHub y gestionar recursos mediante Terraform, proporcionando una experiencia de usuario más accesible y eficiente.
