CI/CD para Machine Learning
Em MLOps, CI/CD vai além do código — versiona dados, modelos e ambientes. Azure DevOps e GitHub Actions orquestram cada etapa, garantindo entrega contínua de modelos com qualidade e segurança.
CI/CD Pipeline — CI/CD para Machine Learning
Commits no Git disparam o pipeline. Notebooks são convertidos em scripts versionados.
Imagem Docker do ambiente de treino/serving é construída e publicada no ACR.
Unit tests do código de feature engineering, validação de schema e smoke tests do modelo.
Métricas comparadas a baseline (champion). Gates manuais em ambientes sensíveis.
Promoção para staging → produção com canary/blue-green em AKS ou Managed Endpoints.
Azure DevOps
Pipelines YAML com aprovações, environments, variable groups (integrados ao Key Vault) e service connections para AML workspace, ACR e AKS.
GitHub Actions
Workflows reutilizáveis com OIDC para autenticação federada com o Azure — sem segredos de longa duração no repositório.
Princípios essenciais
- › Tudo é código: pipelines, infra (Bicep/Terraform), ambientes, modelos.
- › Quality gates automáticos antes de qualquer promoção para produção.
- › Reprodutibilidade: mesmo commit + mesmos dados = mesmo modelo.
- › Rollback rápido via traffic split — nunca derrube o serviço.
- › Observabilidade desde o primeiro deploy.
- › Segurança: OIDC, Managed Identity, segredos em Key Vault.