Saltar al contenido principal

Quickstart — 5 minutos

Desde cero hasta tu primer modelo entrenado con tracking en MLflow.

Requisitos
  • Python 3.11, 3.12 o 3.13
  • pip 23+
  • ~200 MB de disco

Paso 1 — Instalar godml​

pip install godml

Verifica:

godml --version
# godml 1.1.1

Paso 2 — Crear el proyecto​

godml init mi-primer-modelo
cd mi-primer-modelo

Esto genera:

mi-primer-modelo/
├── godml.yml        ← aquí defines el pipeline
├── data/
└── output/

Paso 3 — Agregar un dataset​

Descarga el dataset de ejemplo (churn de telecomunicaciones):

curl -o data/churn.csv \
  https://raw.githubusercontent.com/DAGMALIA/godml/main/examples/data/churn_sample.csv

O usa el tuyo propio — cualquier CSV con una columna objetivo numérica.

Paso 4 — Definir el pipeline​

Edita godml.yml:

godml.yml
name: mi-primer-modelo
version: 1.0.0
provider: mlflow

dataset:
  uri: ./data/churn.csv
  target: churned              # columna que quieres predecir

model:
  type: xgboost
  hyperparameters:
    max_depth: 6
    eta: 0.3
    n_estimators: 100

metrics:
  - name: auc
    threshold: 0.75            # umbral mínimo para registrar el modelo

deploy:
  batch_output: ./output/predictions.csv
  model_output: ./output/model.pkl
¿Tu dataset tiene datos sensibles?

Agrega compliance PCI-DSS en dos líneas:

governance:
  compliance: pci-dss
  policy: mask_sensitive

godml enmascara automáticamente emails, tarjetas y PII antes de entrenar.

Paso 5 — Ejecutar​

godml run -f godml.yml

Verás algo así:

✅ Config loaded: mi-primer-modelo v1.0.0 [mlflow]
✅ Dataset: ./data/churn.csv  (8000 rows × 21 cols)
✅ Split: train=6400, test=1600
✅ Training xgboost...

📊 Métricas
──────────────────────────────
  • auc        : 0.8734  ✅ (threshold: 0.75)
  • accuracy   : 0.8125
  • f1         : 0.7891
  • precision  : 0.8012
  • recall     : 0.7774

✅ Modelo registrado: mi-primer-modelo-xgboost v1
📦 Predicciones → ./output/predictions.csv
📦 Modelo       → ./output/model.pkl

Paso 6 — Ver en MLflow UI​

mlflow ui --host 0.0.0.0 --port 5001

Abre http://localhost:5001 — verás el experimento con todas las métricas, hiperparámetros y artefactos registrados automáticamente.

¿Qué sigue?​

Agrega transformaciones declarativas:

dataset:
  uri: ./data/raw.csv
  target: churned
  dataprep:
    steps:
      - op: fill_missing
        params:
          strategy: median
      - op: encode_categorical
        params:
          columns: [contract_type, payment_method]
          method: onehot

→ DataPrep Service

¿Algo no funcionó?

Revisa la guía de Troubleshooting o abre un issue en GitHub.