Data Engineering / MLOps — Pipeline de ML en Produccion
Pipeline de ML con modelo de deteccion de fraude, sistema de alto riesgo bajo el EU AI Act.
Pipeline de ML para deteccion de fraude con Feature Store (Feast), Training Pipeline (Airflow), Model Registry (MLflow) y Serving (FastAPI). El EU AI Act aplica directamente a modelos de IA en produccion.
De notebooks a specs
Convierte notebooks de investigacion y RFCs de MLOps en especificaciones ejecutables.
intake init "Fraud Detection Model to Production" \
--source notebooks/fraud_detection_v3.ipynb \
--source docs/mlops-infrastructure-rfc.md \
--source gdocs://ml-team/fraud-model-kpis \
--mode enterpriseImplementar stack MLOps
Pipeline automatizado para llevar el modelo a produccion.
architect pipeline pipelines/ml-to-production.yaml \
--var model="fraud_detection"EU AI Act para ML
FRIA obligatorio para modelo de deteccion de fraude. Annex IV con arquitectura del modelo, datos de entrenamiento y metricas.
licit init && licit trace
licit fria
licit annex-iv
licit report --format html
licit verify --min-score 80Un modelo de deteccion de fraude es un sistema de IA de alto riesgo bajo el EU AI Act. licit evalua los 11 articulos relevantes, genera la FRIA que documenta el impacto en derechos financieros, y produce el Annex IV obligatorio.