Kedro melhorou significativamente como uma ferramenta para MLOps e manteve seu foco em modularidade e práticas de engenharia, pontos que gostamos desde o início. Um exemplo que destaca sua modularidade é a introdução do package independente kedro-datasets, que separa o código dos dados. O Kedro adicionou melhorias na CLI, nos templates de projetos iniciais e nas capacidades de telemetria. Além disso, o lançamento recente de uma extensão para VS Code é um ótimo reforço para a experiência das pessoas desenvolvedoras.
No passado, falamos sobre o aprimoramento de ferramentas para aplicação de boas práticas de engenharia em projetos de ciência de dados. Kedro é outra boa adição neste espaço. É um framework de fluxo de desenvolvimento para projetos de ciência de dados que traz uma abordagem padronizada para a construção de dados prontos para produção e pipelines de aprendizado de máquina. Gostamos do foco nas práticas de engenharia de software e do bom design, com ênfase no desenvolvimento orientado a testes, modularidade, controle de versão e boas práticas de higienização, como manter as credenciais fora da base de código.
