Descripción del problema empresarial
Imagine que trabaja en Proseware, una start-up centrada en ayudar a los profesionales sanitarios a tener más éxito en su trabajo. Para ayudar a los profesionales de la salud, se está desarrollando una nueva aplicación web para ayudar a diagnosticar a los pacientes más rápidamente en función de la información médica.
Un modelo de clasificación de diabetes está entrenado y listo para integrarse con la aplicación web. Un objetivo importante a largo plazo de Proseware es mejorar continuamente la aplicación y la precisión del modelo en el futuro.
Se ha unido al equipo como ingeniero de aprendizaje automático y se le pide que normalice la integración continua del modelo con la aplicación. Un aspecto importante de la normalización es asegurarse de que se comprueba el código usado para entrenar el modelo.
Para comprobar el código usado para entrenar el modelo de clasificación de diabetes, ejecutará:
- Linting:comprobar si hay errores de programación o estilísticos en los scripts de Python o R.
- Pruebas unitarias: comprobación del rendimiento del contenido del código.
Para ayudar al equipo de ciencia de datos a comprender los estándares de calidad del código, podrán comprobar su código al desarrollar localmente en Visual Studio Code.
Sin embargo, quiere automatizar la comprobación del código para comprobar que el código insertado en producción no tiene ningún problema y funciona según lo previsto. Junto con el equipo de ciencia de datos, decide ejecutar linting y pruebas unitarias cada vez que se crea una solicitud de incorporación de cambios mediante Acciones de GitHub.