Si una herramienta de ciencia de datos solo está en tu portátil, su valor se limita a tu tiempo y a tu capacidad para explicar sus resultados. Una herramienta desplegada permite a socios comerciales, clientes y compañeros de trabajo usar sus predicciones y recomendaciones directamente, sin que tú tengas que estar en medio.
Esta serie de varias partes recorre el camino desde el código fuente en un portátil hasta el despliegue completo de CI/CD de una herramienta de optimización. Este primer artículo aborda el clásico problema de "en mi ordenador funciona, pero en el tuyo no". Cubre la clonación de código desde GitHub, los entornos virtuales de Python, Docker y la contenedorización, y presenta la herramienta de ejemplo que se va a desplegar.
El ejemplo es el Cutting Stock Planner, que resuelve el problema del corte de material en stock. Usando programación lineal y una sencilla interfaz basada en FastAPI, produce un plan de corte óptimo que minimiza el número de piezas de material que necesitas comprar. Por ejemplo, si necesitas fabricar una silla a partir de material de 8 pies con varias longitudes de corte requeridas, introduces la longitud del material y la lista de cortes, haces clic en Create Cut Plan y recibes en pantalla una disposición de corte óptima.
La forma más sencilla de compartir la herramienta es distribuir su código mediante control de versiones en GitHub. Los usuarios pueden clonar el repositorio, ir a su directorio base y ejecutar un comando uvicorn para lanzar la interfaz en local. Esto funciona bien para el desarrollo colaborativo, pero como método de despliegue tiene inconvenientes importantes. La mayor parte de la responsabilidad y la dificultad del despliegue recae en el usuario, que necesita tener Git instalado, debe clonar el repositorio y debe configurar correctamente el entorno antes de que la herramienta funcione.
Fuente: Towards Data Science · Resumido por HeadlinesBriefing