Kedro ha mejorado significativamente como herramienta para MLOps y ha mantenido su enfoque en prácticas de modularidad e ingeniería, lo que nos gustaba desde el inicio. Un paso que resalta su modularidad es la introducción del paquete autónomo kedro-datasets, que desacopla el código de los datos. Kedro ha añadido mejoras en su CLI, plantillas de inicio de proyecto y capacidades de telemetría. Adicionalmente, el reciente lanzamiento de una extensión en VS Code es un buen impulso para la experiencia del desarrollador.
En el pasado hemos hablado sobre el perfeccionamiento de las herramientas que permiten aplicar buenas prácticas de ingeniería en proyectos de ciencia de datos. Kedro es otra buena adición a este espacio. Es un framework de desarrollo para flujos de trabajo en proyectos de ciencia de datos que trae un enfoque estandarizado para la construcción de pipelines de datos y para aprendizaje automático listos para producción. Nos gusta su enfoque en las prácticas de ingeniería de software y en el buen diseño, con énfasis en el desarrollo dirigido por pruebas (TDD), modularidad, versionamiento y prácticas de buena higiene como lo es el mantener las credenciales fuera de la base de código.
