Backend de aprendizaje automatico — Python ML Backend

Componente: mlbackend_python + analytics (core Moodle) Imagen Docker: moodlehq/moodle-mlbackend-python:3.0.5-python3.7.5 Contenedor: colombiaaprende_mlbackend Estado: Activo y entrenado (4 de 5 modelos habilitados)

Proposito

Provee la capacidad de prediccion y analisis de aprendizaje automatico de Moodle. Procesa datos de actividad de estudiantes para predecir riesgos academicos (abandono, inactividad, falta de docencia) y pronosticar proximas actividades con entrega pendiente.

Configuracion del contenedor

Declarado en local/docker-compose.yml:

mlbackend:
  image: moodlehq/moodle-mlbackend-python:3.0.5-python3.7.5
  container_name: colombiaaprende_mlbackend
  restart: always
  environment:
    MOODLE_MLBACKEND_PYTHON_USERS: "moodle:${MLBACKEND_PASSWORD}"
    MOODLE_MLBACKEND_PYTHON_DIR: /var/moodle-ml
  volumes:
    - mlbackend_data:/var/moodle-ml
  networks:
    - internal

Puntos clave de la configuracion:

• Sin puerto expuesto externamente — el contenedor solo es accesible desde la red interna Docker (internal), nunca desde el host o Internet.
• Volumen persistente mlbackend_data en /var/moodle-ml — conserva los modelos entrenados entre reinicios del contenedor.
• Credenciales via ${MLBACKEND_PASSWORD} en local/.env (nunca comitear).

Configuracion en Moodle

Ajustada desde Administracion del sitio > Analisis > Configuracion y verificada en base de datos:

Parametro	Valor	Descripcion
enableanalytics	1	Subsistema de analitica habilitado
predictionsprocessor	\mlbackend_python\processor	Procesador Python seleccionado (no PHP)
logstore	logstore_standard	Fuente de logs para el analisis
onlycli	1	Predicciones solo via CLI/cron (no en peticiones web)
calclifetime	35 dias	Vida util de los calculos cacheados
modeltimelimit	1200 segundos	Tiempo maximo por ejecucion de modelo
percentonline	0	Sin umbral de porcentaje de actividad online

Conexion Moodle → contenedor

Parametro	Valor
Host	mlbackend (nombre del servicio Docker, resolucion interna)
Puerto	5000
Usuario	moodle
Contrasena	configurada en local/.env como MLBACKEND_PASSWORD
Seguro (TLS)	No (red interna Docker, no necesario)
Usar servidor	Si (useserver = 1)

Modelos de analitica activos

Moodle incluye 5 modelos predictivos de serie. Estado actual:

ID	Target (objetivo)	Habilitado	Entrenado
1	course_dropout — Riesgo de abandono del curso	No	No
2	no_teaching — Curso sin actividad docente	Si	Si
3	upcoming_activities_due — Proximas actividades con fecha limite	Si	Si
4	no_access_since_course_start — Sin acceso desde inicio del curso	Si	Si
5	no_recent_accesses — Sin accesos recientes	Si	Si

El modelo de abandono (course_dropout, ID 1) esta deshabilitado porque requiere suficiente volumen de datos historicos para entrenarse de forma fiable. Se puede habilitar desde Administracion del sitio > Analisis > Modelos de analisis.

Particiones temporales evaluadas

Los modelos usan las siguientes ventanas de tiempo para evaluar predicciones:

• quarters_accum — cuartos acumulados del curso
• quarters — cuartos independientes del curso
• single_range — rango unico (duracion completa)

Ciclo de ejecucion

Los modelos se ejecutan unicamente via cron (CLI). Para forzar una ejecucion manual:

# Ejecutar analisis completo
docker exec colombiaaprende_web php /var/www/admin/cli/cron.php

# O directamente el task de analytics
docker exec colombiaaprende_web php /var/www/public/admin/tool/task/cli/schedule_task.php \
  --execute='\core\task\analytics_cleanup_task'

Verificacion del estado

# Comprobar que el contenedor ML esta corriendo
docker ps | grep colombiaaprende_mlbackend

# Ver logs del backend Python
docker logs colombiaaprende_mlbackend --tail 50

# Verificar conectividad Moodle → mlbackend
docker exec colombiaaprende_web curl -s http://mlbackend:5000/ | head -5

Entornos

El backend ML esta configurado en todos los entornos del proyecto:

Entorno	Imagen	Credencial
Local	moodle-mlbackend-python:3.0.5-python3.7.5	local/.env → MLBACKEND_PASSWORD
Pruebas	idem	pruebas/.env → MLBACKEND_PASSWORD
Certificacion	idem	certificacion/.env → MLBACKEND_PASSWORD