Desarrollo de una herramienta MLOps de apoyo a proyectos de ciencia de datos

Abstract

[ES] MLOps es importante para el desarrollo de proyectos en ciencia de datos porque permite a los equipos de ciencia de datos trabajar de manera más eficiente, mejorar la calidad del modelo, aumentar la escalabilidad y reducir el riesgo de errores y fallas en la implementación del modelo en producción. Un primer problema con el que nos encontramos en MLOps es que realmente está formado por un universo de aplicaciones (git, DVC, MLEM, gitLab, ...) que necesitan estar coordinadas para que el proyecto se desarrolle en condiciones. Aunque existen herramientas que permiten trabajar en el universo MLOps de forma coordinada en la nube (https://studio.iterative.ai/) no existe una herramienta cómoda de ayuda a nivel local. El objetivo de este TFG es, pues, el desarrollo de una herramienta que, a nivel local, permita el desarrollo de proyectos de ciencias de datos de forma rápida, fiable y segura dentro del universo MLOps.

[EN] MLOps is important for the development of data science projects because it allows the developers to work more efficiently, improve the model’s quality, increase scalability and reduce the risk of mistakes during the implementation in production. The first issue with MLOps is that it is made up of a myriad of different applications (git, DVC, MLEM, gitLab...) that need to coordinate so the project can function properly. Even though there are tools that offer coordinated cloud services for MLOps projects (https://studio.iterative.ai/), there isn’t a useful version of this tool for local development. The objective of this end-of-degree project is to develop a program that, locally, allows for the development of data science projects in a fast, trustworthy and secure way, and making use of the possibilities that MLOps offers.