यदि कोई डेटा साइंस टूल केवल आपके लैपटॉप पर है, तो उसका मूल्य आपके समय और उसके आउटपुट समझाने की आपकी क्षमता तक सीमित है। एक तैनात टूल व्यावसायिक साझेदारों, ग्राहकों और सहकर्मियों को उसके पूर्वानुमान और सिफारिशें सीधे उपयोग करने देता है, बिना आपको बीच में रखे।
यह बहु-भागीय श्रृंखला लैपटॉप पर स्रोत कोड से लेकर एक ऑप्टिमाइज़ेशन टूल की पूर्ण CI/CD तैनाती तक का मार्ग बताती है। यह पहला लेख क्लासिक "यह मेरे कंप्यूटर पर चलता है, लेकिन तुम्हारे पर नहीं" समस्या को संबोधित करता है। इसमें GitHub से कोड क्लोन करना, Python वर्चुअल एनवायरनमेंट, Docker और कंटेनराइज़ेशन शामिल हैं, और तैनात किए जा रहे उदाहरण टूल का परिचय दिया गया है।
उदाहरण Cutting Stock Planner है, जो स्टॉक कटिंग समस्या को हल करता है। रैखिक प्रोग्रामिंग और एक सरल FastAPI-आधारित UI का उपयोग करके, यह एक इष्टतम कट योजना बनाता है जो आपको खरीदने पड़ने वाले स्टॉक टुकड़ों की संख्या को कम करती है। उदाहरण के लिए, यदि आपको 8 फुट के स्टॉक से कई आवश्यक कट लंबाई वाली कुर्सी बनानी है, तो आप स्टॉक की लंबाई और कट सूची दर्ज करते हैं, Create Cut Plan बटन दबाते हैं, और स्क्रीन पर इष्टतम लेआउट पाते हैं।
टूल को साझा करने का सबसे सरल तरीका GitHub पर version control के माध्यम से उसका कोड वितरित करना है। उपयोगकर्ता रिपॉज़िटरी क्लोन कर सकते हैं, उसकी आधार निर्देशिका में जा सकते हैं, और UI को स्थानीय रूप से चलाने के लिए uvicorn कमांड चला सकते हैं। यह सहयोगात्मक विकास के लिए अच्छा काम करता है, लेकिन तैनाती की विधि के रूप में इसकी काफी कमियाँ हैं। तैनाती की अधिकांश ज़िम्मेदारी और कठिनाई उपयोगकर्ता पर आती है, जिसे Git इंस्टॉल करना होता है, रिपॉज़िटरी क्लोन करनी होती है, और टूल चलने से पहले पर्यावरण को सही ढंग से सेट करना होता है।
स्रोत: Towards Data Science · HeadlinesBriefing द्वारा सारांशित