Wie bringst du ein Modell aus einem Notebook in Produktion?

Hol die Logik aus den Zellen in getestete Module, mit Feature Engineering, das Training und Serving gemeinsam nutzen, damit die beiden nicht auseinanderlaufen können. Verpack das Training als parametrisierten Job, serialisiere die komplette Pipeline inklusive Preprocessing statt nur des Estimators und stell Scoring hinter einem Interface mit Input-Validierung bereit. Monitoring auf Inputs und Predictions kommt vor dem Launch, nicht danach.

Das Notebook ist der Ort, an dem ich herausfinde, was das Modell ist, nicht was ausgeliefert wird. Erster Schritt ist, die Logik in ein Modul mit importierbaren, testbaren Funktionen zu ziehen, plus ein paar Unit Tests auf die Feature-Transformationen mit einer winzigen Fixture, denn dort sitzen die subtilen Bugs. Am strengsten bin ich bei der Regel, dass Training und Serving denselben Feature-Code aufrufen. In dem Moment, in dem jemand die Features im Service nachbaut, driften sie, und du hast ein Modell, das in Produktion anders scort, aus Gründen, die eine Woche lang niemand findet. Dann serialisiere ich die komplette Pipeline, Imputer, Encoder, Scaler, Modell, als ein Objekt, damit Serving keinen Preprocessing-Schritt vergessen kann. Training wird ein Job, der eine Config und einen Datumsbereich nimmt und ein versioniertes Artefakt schreibt. Auf der Serving-Seite validiere ich Inputs und lehne ab oder setze Defaults, statt still Müll zu scoren. Und Monitoring kommt vor dem Launch rein: Input-Verteilungen, Prediction-Verteilung, Null-Raten, Latenz. Wenn ich nur eines davon bekomme, nehme ich Input Drift, denn das ändert sich zuerst.