**Proyecto GODML - Machine Learning con Gobernanza**
[](https://pypi.org/project/godml/)
[](https://www.python.org/downloads/)
> Proyecto de Machine Learning generado automáticamente con **GODML Framework** - Governed, Observable & Declarative ML
---
## ⚡ Quick Start
```bash
# Instalar dependencias
pip install -r requirements.txt
# Entrenar modelo
godml run -f godml.yml
# Ver experimentos en MLflow
mlflow ui
🎯 ¿Qué es este proyecto?
Este proyecto fue generado con GODML , un framework que unifica:
Gobernanza : Trazabilidad y metadatos automáticos
Observabilidad : Tracking completo con MLflow
Declarativo : Configuración simple en YAML
📁 Estructura del Proyecto
{project_name}/
├── godml.yml # 🎯 Configuración principal del pipeline
├── data/ # 📊 Datasets
│ └── your_dataset.csv # ← Coloca aquí tus datos
├── outputs/ # 📈 Predicciones y resultados
│ └── predictions.csv # Salida del modelo
├── models/ # 🤖 Modelos entrenados
│ ├── production/ # Modelos en producción
│ ├── staging/ # Modelos en testing
│ └── experiments/ # Modelos experimentales
├── mlruns/ # 📋 Experimentos MLflow (auto-generado)
├── requirements.txt # 📦 Dependencias del proyecto
└── README.md # 📖 Esta documentación
⚙️ Configuración del Pipeline
El archivo godml.yml contiene toda la configuración:
Dataset
dataset:
uri: ./data/your_dataset.csv # ← Cambia por tu archivo
hash: auto # Hash automático para trazabilidad
Modelo
model:
type: xgboost # Algoritmo a usar
hyperparameters: # Parámetros del modelo
max_depth: 5
eta: 0.3
objective: binary:logistic
Métricas de Calidad
metrics:
- name: auc
threshold: 0.85 # Umbral mínimo de calidad
- name: accuracy
threshold: 0.80
Gobernanza
governance:
owner: your-team@company.com # ← Cambia por tu email
tags:
- project: {project_name}
- environment: development # development/staging/production
🔧 Modelos Disponibles
Algoritmo Tipo Comando
xgboost Gradient Boosting Por defecto
random_forest Ensemble Cambiar en model.type
lightgbm Gradient Boosting Cambiar en model.type
📊 Métricas Soportadas
auc - Area Under Curve
accuracy - Precisión
precision - Precisión por clase
recall - Recall por clase
f1 - F1 Score
🎯 Flujo de Trabajo
1. Preparar Datos
# Coloca tu dataset en data/
cp mi_dataset.csv data/your_dataset.csv
2. Configurar Pipeline
# Edita godml.yml según tus necesidades
vim godml.yml
3. Entrenar Modelo
# Ejecuta el pipeline completo
godml run -f godml.yml
4. Revisar Resultados
# Ver experimentos en MLflow
mlflow ui
# Ver predicciones
cat outputs/predictions.csv
🏛️ Gobernanza y Trazabilidad
GODML automáticamente registra:
✅ Hash del dataset para trazabilidad
✅ Metadatos del modelo (parámetros, métricas)
✅ Información de gobernanza (owner, tags)
✅ Timestamp y versión de cada experimento
✅ Linaje completo del pipeline
🚀 Próximos Pasos
Agregar tus datos: Coloca tu dataset en data/
Personalizar configuración: Edita godml.yml
Entrenar modelo: Ejecuta godml run -f godml.yml
Monitorear: Revisa resultados en MLflow UI
Iterar: Ajusta parámetros y vuelve a entrenar
📚 Recursos Útiles
📦 GODML en PyPI
📖 Documentación GODML
🎯 Configuración YAML
🏛️ Guía de Gobernanza
🤝 Soporte
¿Necesitas ayuda?
🐛 Reportar Issues
💬 Discusiones
📧 Contacto
📄 Licencia
Este proyecto está bajo la licencia MIT. Ver LICENSE para más detalles.
Generado con ❤️ por GODML Framework v0.1.2
Governed, Observable & Declarative Machine Learning
---
## 🚀 Cómo Empezar
```bash
# 1. Instala el CLI
pip install godml
# 2. Inicializa un proyecto
godml init my-churn-project
# 3. Declara tu pipeline
vim godml.yml
# 4. run
godml run -f godml.yml
Raw data
{
"_id": null,
"home_page": null,
"name": "godml",
"maintainer": null,
"docs_url": null,
"requires_python": ">=3.8",
"maintainer_email": null,
"keywords": "machine-learning, mlops, governance, observability",
"author": "Arturo Gutierrez Rubio Rojas",
"author_email": null,
"download_url": "https://files.pythonhosted.org/packages/1a/b8/8d80f41fdf2c46124bd2a33e940369895b5b0fc7ea365536f5ec807e1ff0/godml-0.2.0.tar.gz",
"platform": null,
"description": "**Proyecto GODML - Machine Learning con Gobernanza**\r\n\r\n[](https://pypi.org/project/godml/)\r\n[](https://www.python.org/downloads/)\r\n\r\n\r\n\r\n> Proyecto de Machine Learning generado autom\u00e1ticamente con **GODML Framework** - Governed, Observable & Declarative ML\r\n\r\n---\r\n\r\n## \u26a1 Quick Start\r\n\r\n```bash\r\n# Instalar dependencias\r\npip install -r requirements.txt\r\n\r\n# Entrenar modelo\r\ngodml run -f godml.yml\r\n\r\n# Ver experimentos en MLflow\r\nmlflow ui\r\n \r\n\ud83c\udfaf \u00bfQu\u00e9 es este proyecto?\r\nEste proyecto fue generado con GODML , un framework que unifica:\r\n\r\nGobernanza : Trazabilidad y metadatos autom\u00e1ticos\r\n\r\nObservabilidad : Tracking completo con MLflow\r\n\r\nDeclarativo : Configuraci\u00f3n simple en YAML\r\n\r\n\ud83d\udcc1 Estructura del Proyecto\r\n \r\n{project_name}/\r\n\u251c\u2500\u2500 godml.yml # \ud83c\udfaf Configuraci\u00f3n principal del pipeline\r\n\u251c\u2500\u2500 data/ # \ud83d\udcca Datasets\r\n\u2502 \u2514\u2500\u2500 your_dataset.csv # \u2190 Coloca aqu\u00ed tus datos\r\n\u251c\u2500\u2500 outputs/ # \ud83d\udcc8 Predicciones y resultados\r\n\u2502 \u2514\u2500\u2500 predictions.csv # Salida del modelo\r\n\u251c\u2500\u2500 models/ # \ud83e\udd16 Modelos entrenados\r\n\u2502 \u251c\u2500\u2500 production/ # Modelos en producci\u00f3n\r\n\u2502 \u251c\u2500\u2500 staging/ # Modelos en testing\r\n\u2502 \u2514\u2500\u2500 experiments/ # Modelos experimentales\r\n\u251c\u2500\u2500 mlruns/ # \ud83d\udccb Experimentos MLflow (auto-generado)\r\n\u251c\u2500\u2500 requirements.txt # \ud83d\udce6 Dependencias del proyecto\r\n\u2514\u2500\u2500 README.md # \ud83d\udcd6 Esta documentaci\u00f3n\r\n\r\n\r\n\u2699\ufe0f Configuraci\u00f3n del Pipeline\r\nEl archivo godml.yml contiene toda la configuraci\u00f3n:\r\n\r\nDataset\r\n\r\ndataset:\r\n uri: ./data/your_dataset.csv # \u2190 Cambia por tu archivo\r\n hash: auto # Hash autom\u00e1tico para trazabilidad\r\n\r\nModelo\r\n\r\nmodel:\r\n type: xgboost # Algoritmo a usar\r\n hyperparameters: # Par\u00e1metros del modelo\r\n max_depth: 5\r\n eta: 0.3\r\n objective: binary:logistic\r\n\r\nM\u00e9tricas de Calidad\r\n\r\nmetrics:\r\n- name: auc\r\n threshold: 0.85 # Umbral m\u00ednimo de calidad\r\n- name: accuracy\r\n threshold: 0.80\r\n\r\nGobernanza\r\n\r\ngovernance:\r\n owner: your-team@company.com # \u2190 Cambia por tu email\r\n tags:\r\n - project: {project_name}\r\n - environment: development # development/staging/production\r\n\r\n\ud83d\udd27 Modelos Disponibles\r\nAlgoritmo\tTipo\tComando\r\nxgboost\tGradient Boosting\tPor defecto\r\nrandom_forest\tEnsemble\tCambiar en model.type\r\nlightgbm\tGradient Boosting\tCambiar en model.type\r\n\r\n\ud83d\udcca M\u00e9tricas Soportadas\r\n\r\nauc - Area Under Curve\r\n\r\naccuracy - Precisi\u00f3n\r\n\r\nprecision - Precisi\u00f3n por clase\r\n\r\nrecall - Recall por clase\r\n\r\nf1 - F1 Score\r\n\r\n\ud83c\udfaf Flujo de Trabajo\r\n\r\n1. Preparar Datos\r\n\r\n# Coloca tu dataset en data/\r\ncp mi_dataset.csv data/your_dataset.csv\r\n\r\n2. Configurar Pipeline\r\n\r\n# Edita godml.yml seg\u00fan tus necesidades\r\nvim godml.yml\r\n\r\n3. Entrenar Modelo\r\n\r\n# Ejecuta el pipeline completo\r\ngodml run -f godml.yml\r\n\r\n4. Revisar Resultados\r\n\r\n# Ver experimentos en MLflow\r\nmlflow ui\r\n\r\n# Ver predicciones\r\ncat outputs/predictions.csv\r\n\r\n\ud83c\udfdb\ufe0f Gobernanza y Trazabilidad\r\nGODML autom\u00e1ticamente registra:\r\n\r\n\u2705 Hash del dataset para trazabilidad\r\n\r\n\u2705 Metadatos del modelo (par\u00e1metros, m\u00e9tricas)\r\n\r\n\u2705 Informaci\u00f3n de gobernanza (owner, tags)\r\n\r\n\u2705 Timestamp y versi\u00f3n de cada experimento\r\n\r\n\u2705 Linaje completo del pipeline\r\n\r\n\ud83d\ude80 Pr\u00f3ximos Pasos\r\nAgregar tus datos: Coloca tu dataset en data/\r\n\r\nPersonalizar configuraci\u00f3n: Edita godml.yml\r\n\r\nEntrenar modelo: Ejecuta godml run -f godml.yml\r\n\r\nMonitorear: Revisa resultados en MLflow UI\r\n\r\nIterar: Ajusta par\u00e1metros y vuelve a entrenar\r\n\r\n\ud83d\udcda Recursos \u00datiles\r\n\ud83d\udce6 GODML en PyPI\r\n\r\n\ud83d\udcd6 Documentaci\u00f3n GODML\r\n\r\n\ud83c\udfaf Configuraci\u00f3n YAML\r\n\r\n\ud83c\udfdb\ufe0f Gu\u00eda de Gobernanza\r\n\r\n\ud83e\udd1d Soporte\r\n\u00bfNecesitas ayuda?\r\n\r\n\ud83d\udc1b Reportar Issues\r\n\r\n\ud83d\udcac Discusiones\r\n\r\n\ud83d\udce7 Contacto\r\n\r\n\ud83d\udcc4 Licencia\r\nEste proyecto est\u00e1 bajo la licencia MIT. Ver LICENSE para m\u00e1s detalles.\r\n\r\nGenerado con \u2764\ufe0f por GODML Framework v0.1.2\r\nGoverned, Observable & Declarative Machine Learning\r\n---\r\n\r\n## \ud83d\ude80 C\u00f3mo Empezar\r\n\r\n```bash\r\n# 1. Instala el CLI\r\npip install godml\r\n\r\n# 2. Inicializa un proyecto\r\ngodml init my-churn-project\r\n\r\n# 3. Declara tu pipeline\r\nvim godml.yml\r\n\r\n# 4. run\r\ngodml run -f godml.yml\r\n",
"bugtrack_url": null,
"license": "Apache-2.0",
"summary": "Governed, Observable & Declarative Machine Learning Framework",
"version": "0.2.0",
"project_urls": {
"Homepage": "https://github.com/arturo/godml",
"Issues": "https://github.com/arturo/godml/issues",
"Repository": "https://github.com/arturo/godml"
},
"split_keywords": [
"machine-learning",
" mlops",
" governance",
" observability"
],
"urls": [
{
"comment_text": null,
"digests": {
"blake2b_256": "f92dd021b228d8984f5501d025fd98fddc487d8c008967ad4879fc3e7376f00f",
"md5": "e79312c2b458df32167664b3301ab32d",
"sha256": "c512bd64c973bcdb99657dff8f4ded046c876d0fef8d6a645bd8eb0aa0fc2eb6"
},
"downloads": -1,
"filename": "godml-0.2.0-py3-none-any.whl",
"has_sig": false,
"md5_digest": "e79312c2b458df32167664b3301ab32d",
"packagetype": "bdist_wheel",
"python_version": "py3",
"requires_python": ">=3.8",
"size": 21704,
"upload_time": "2025-07-13T08:13:22",
"upload_time_iso_8601": "2025-07-13T08:13:22.865536Z",
"url": "https://files.pythonhosted.org/packages/f9/2d/d021b228d8984f5501d025fd98fddc487d8c008967ad4879fc3e7376f00f/godml-0.2.0-py3-none-any.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": null,
"digests": {
"blake2b_256": "1ab88d80f41fdf2c46124bd2a33e940369895b5b0fc7ea365536f5ec807e1ff0",
"md5": "6a8d25db20649df95f9549b391ad7379",
"sha256": "aba6c1ff63817991801d31394d890d856a30f412a5fa7f92758c7e964cd5098e"
},
"downloads": -1,
"filename": "godml-0.2.0.tar.gz",
"has_sig": false,
"md5_digest": "6a8d25db20649df95f9549b391ad7379",
"packagetype": "sdist",
"python_version": "source",
"requires_python": ">=3.8",
"size": 18756,
"upload_time": "2025-07-13T08:13:23",
"upload_time_iso_8601": "2025-07-13T08:13:23.877359Z",
"url": "https://files.pythonhosted.org/packages/1a/b8/8d80f41fdf2c46124bd2a33e940369895b5b0fc7ea365536f5ec807e1ff0/godml-0.2.0.tar.gz",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2025-07-13 08:13:23",
"github": true,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"github_user": "arturo",
"github_project": "godml",
"github_not_found": true,
"lcname": "godml"
}
JSON
