Repository navigation
Releases
Releases · papiarcacamilo/MLOPS_CURSE
v3.0.0: Entregable 5
Entregable 5: pipeline de aprobación en Jenkins, entrenamiento en Vertex AI y comparación de AWS, Azure y GCP. El modelo servido no cambia: 0b9cf390cc9a, con umbral 0,0661.
Qué trae
| Fase | Contenido |
|---|---|
| 1. Jenkins | Jenkinsfile que clona, valida estructura y métricas, corre los tests, pide aprobación humana en master y notifica por correo. Jenkins local en infra/jenkins/ |
| 2. Google Cloud | AutoML Tabular y pipeline propio en Vertex AI Pipelines, comparados con Python sobre el mismo test, y análisis de estabilidad (mlops_pipeline/src/vertex_*.py) |
| 3. Nubes | docs/comparacion_nubes.md: AWS, Azure y GCP en los 14 criterios |
Resultados
Mismo test estratificado de 2.153 créditos con 102 moras, rechazando el 20,9% de mayor riesgo:
| Modelo | AUC-PR | ROC-AUC | Moras detectadas | Costo |
|---|---|---|---|---|
| Python, logística sobre WoE | 0,1479 | 0,6849 | 40 de 102 | USD 0 |
| Pipeline propio en Vertex AI | 0,1479 | 0,6849 | 40 de 102 | USD 0,07 por dos corridas |
| AutoML Tabular | 0,1952 | 0,6931 | 45 de 102 | USD 21,25 |
- La ventaja de AutoML en AUC-PR es firme: +0,045, con IC95 [0,010, 0,084] en un bootstrap pareado.
- El pipeline reproduce a Python, con una diferencia de probabilidad menor que 1e-15.
- La logística sigue como modelo servido, por interpretabilidad, costo y reproducibilidad.
Verificación
- 349 tests y 64,8% de cobertura en el CI. Quality Gate de SonarCloud aprobado en los PR 14 y 15.
- Jenkins aprobó en
develop(corrida #9) y enmaster(corrida #2, con aprobación humana).
Cambio incompatible
Los módulos y notebooks pasan a mlops_pipeline/src/, así que cambian las rutas para ejecutarlos.
El detalle completo está en el CHANGELOG.