Skip to content

v3.0.0: Entregable 5

Latest

Choose a tag to compare

@papiarcacamilo papiarcacamilo released this 10 Nov 01:12
3e40672

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 en master (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.