# CI/CD для ML

← [Раздел](README.md) · [Главная](../README.md)

## Цель

Понять роль **CI/CD для ML** в MLOps-стеке и связь с MLflow.

## Предварительно

- [Мониторинг и drift](monitoring-drift.md)

## Время

**2–3 ч**

---

## Зачем

Автоматизировать train, test, deploy как для обычного ПО — с учётом **данных и моделей**.

## Отличия от classic CI/CD

- Артефакт — не только binary, но и **model.pkl**
- Тесты — data validation + model quality
- Деплой может быть **batch** schedule

## Пример stages

```
lint → unit tests → data tests → train (MLflow) → model tests → register → deploy staging → e2e → promote prod
```

## Секреты

GitHub Actions / GitLab CI: `MLFLOW_TRACKING_TOKEN` из vault, не в репозитории.

## MLflow Model Registry как gate

Только CI service account может `transition` в Production.

---

## Самопроверка

1. Какую проблему решает «CI/CD для ML»?
2. Какой инструмент вы бы выбрали для старта?
3. Что логировать в MLflow из этого компонента?

---

## Дальше

→ [Governance и аудит](governance-audit.md)