Magíster en Inteligencia Artificial
Salir de la clase

Curso 11 · Unidad 1

Del cuaderno a producción

4 hrs · AI.Ops y Sistemas Cloud — UAI

Tesis

Producción es un contrato de reproducibilidad

  • El notebook no es el artefacto desplegable.
  • Código, datos, pesos y config deben versionarse juntos.
  • Sin healthcheck y versión, no hay operación.
  • Empezamos local (LM Studio) antes de la nube.

Al finalizar

Resultados de aprendizaje

  • Explicar la brecha experimento → servicio.
  • Definir artefactos versionados.
  • Montar un entorno local reproducible con healthcheck.

Bloque 1 · 60 min

Brecha

Teoría

MLOps: del experimento al producto

  • Kreuzberger et al. (2023): MLOps = principios + componentes + roles para operar ML.
  • Breck et al. (2017): readiness exige tests de datos/modelo/serving — no solo “corre en mi laptop”.
  • Producción = contrato de reproducibilidad (código, datos, pesos, config).

Pérdidas

Qué se rompe al salir del notebook

  • Dependencias no fijadas.
  • Datos implícitos en el path del autor.
  • Seeds y orden no controlados.
  • Config mezclada con secretos.

Ilustración

Del cuaderno al servicio

Cada flecha exige artefacto versionado; el notebook solo no es desplegable.

Bloque 2 · 60 min

Artefactos

Linaje

Qué versionar

  • Código + lockfile.
  • Referencia a datos / features.
  • Identificador de pesos o endpoint de modelo.
  • Config declarativa (sin secretos en git).

Definiciones

Léxico de salida a producción

  • Artefacto desplegable — paquete reproducible (código, datos, pesos, config), no el notebook.
  • Contrato de reproducibilidad — mismos inputs producen el mismo servicio operable.
  • Healthcheck — señal de que el servicio responde con versión y dependencia de modelo.
  • Secretos fuera de git — credenciales solo en entorno; config declarativa sí se versiona.

Contrato

Los cuatro viajan juntos

Falta uno y la “producción” no es reproducible.

Bloque 3 · 60 min

Local primero

Runtime local

LM Studio como backend de inferencia

Servidor LM Studio en puerto 1234

Mismo contrato OpenAI que usarán contenedores y CI más adelante

Bloque 4 · 60 min

Taller

Lab

Wrapper /health

  • Endpoint que consulta /v1/models (LM Studio local).
  • Latencia de un chat mínimo + versión en la respuesta.
  • Caso Chile: wrapper de consulta a normativa interna (sin PII en logs).
  • Sin exponer API keys reales; config en env.

Siguiente

Del health al pipeline

El /health del lab alimenta el smoke de CI (Unidad 2).

Lecturas

Para profundizar

  • Kreuzberger et al. (2023) — kreuzberger2023mlops
  • Breck et al. (2017) — breck2017mltest

Cierre

Preguntas

Siguiente: empaquetado y automatización del ciclo (Unidad 2)