user@devops:~$ cat README.md
MLflow MLOps
# Descripción
Proyecto completo de MLOps con MLflow sobre el dataset Wine (UCI) — 178 muestras, 13 features químicas, 3 clases de vino. Implementa MLflow Tracking para registrar parámetros, métricas y artefactos de 3 modelos (Logistic Regression, Random Forest, Gradient Boosting) con validación cruzada 5-fold y curvas de aprendizaje. MLflow Model Registry versiona cada modelo y promueve el mejor (LogisticRegression, 97.72% CV accuracy) a Staging → Production. Incluye inferencia cargando el modelo directamente desde Production, 10 visualizaciones (EDA, confusión, feature importance, comparativas, learning curves), y flujo completo de experimentación reproducible con SQLite backend.
# Características principales
$ MLflow Tracking: parámetros, métricas, artefactos por cada entrenamiento
$ Validación cruzada 5-fold con boxplot comparativo entre modelos
$ Feature Importance Analysis para Random Forest y Gradient Boosting
$ Learning Curves para diagnosticar sesgo/varianza de los 3 modelos
$ MLflow Model Registry: versionado y stages (None → Staging → Production)
$ Promoción automática del mejor modelo a Production
$ Inferencia desde Production: carga del modelo registrado y predicción en 5 muestras
$ 10 visualizaciones generadas: EDA, matrices de confusión, comparativas, curvas
$ Backend SQLite para tracking persistente
# Galería
# Tecnologías utilizadas
