Ir al contenido principal

Inicio Machine Learning

Curso

Introducción a MLflow

AvanzadoNivel de habilidad

Actualizado 11/2024

Aprende a usar MLflow para simplificar la creación de aplicaciones de aprendizaje automático.

Comienza el curso gratis

MLflowMachine Learning

4 h

16 vídeos

51 Ejercicios

3,750 XP

13,822

Certificado de logros

Preferido por estudiantes en miles de empresas

¿Formando un equipo?

Prueba para empresas

Descripción del curso

Gestionar el ciclo de vida completo de una aplicación de Aprendizaje Automático puede ser una tarea desalentadora para los científicos de datos, ingenieros y desarrolladores. Las aplicaciones de aprendizaje automático son complejas y tienen un historial demostrado de ser difíciles de seguir, difíciles de reproducir y problemáticas de desplegar.

En este curso, aprenderás qué es el flujo MLy cómo intenta simplificar las dificultades del ciclo de vida del Aprendizaje Automático, como el seguimiento, la reproducibilidad y el despliegue. Después de aprender MLflow, comprenderás mejor cómo superar las complejidades de la creación de aplicaciones de Aprendizaje Automático y cómo navegar por las diferentes etapas del ciclo de vida del Aprendizaje Automático.

A lo largo del curso, profundizarás en los cuatro componentes principales que conforman la plataforma de flujo ML. Explorarás cómo rastrear modelos, métricas y parámetros con MLflow Tracking, empaquetar código reproducible ML utilizando MLflow Projects, crear y desplegar modelos utilizando MLflow Models, y almacenar y controlar versiones de modelos utilizando Model Registry.

A medida que avances en el curso, también aprenderás las mejores prácticas de uso del flujo MLpara versionar modelos, cómo evaluar modelos, añadir personalizaciones a los modelos y cómo construir la automatización en las ejecuciones de entrenamiento. Este curso te preparará para el éxito en la gestión del ciclo de vida de tu próxima aplicación de Aprendizaje Automático.

Requisitos previos

Supervised Learning with scikit-learn MLOps Concepts

1

Introducción a MLflow

En este capítulo, te presentaremos MLflow y cómo busca ayudarte con algunas de las dificultades del ciclo de vida de Machine Learning. Conocerás los cuatro conceptos principales que componen MLflow, con un enfoque en MLflow Tracking. Aprenderás a crear experimentos y ejecuciones, así como a registrar métricas, parámetros y artefactos. Por último, consultarás MLflow de forma programática para encontrar ejecuciones de experimentos que cumplan ciertos criterios.

¿Qué es el flujo ML?

Componentes del flujo ML

MLexperimentos de flujo

MLSeguimiento del flujo

Iniciar una carrera

Registrar una ejecución

¿Cómo recuperar los datos de ejecución activos?

Consulta de ejecuciones

Buscar ejecuta opciones de consulta

Recorridos de búsqueda

Iniciar capítulo

2

Modelos de MLflow

En este capítulo, te presentaremos los Modelos de MLflow. El componente MLflow Models desempeña un papel esencial en las etapas de Evaluación de modelos e Ingeniería de modelos del ciclo de vida de Machine Learning. Aprenderás cómo MLflow Models estandariza el empaquetado de modelos de ML y cómo guardarlos, registrarlos y cargarlos. Verás cómo crear modelos personalizados de MLflow para aportar más flexibilidad a tus casos de uso y cómo evaluar el rendimiento del modelo. Utilizarás el potente concepto de “Flavors” y, para terminar, usarás la herramienta de línea de comandos de MLflow para el despliegue de modelos.

Introducción a MLmodelos de flujo

Empaquetar un modelo de aprendizaje automático

Formato de almacenamiento

¿Qué contiene un archivo de modelo ML?

Guardar y cargar un modelo

Registrar y cargar un modelo

Modelos a medida

Crear una clase Python personalizada

Modelo scikit-learn personalizado

Sabor y evaluación de Scikit-learn

Modelo que sirve

Sirviendo a un modelo

Puntuación de un modelo servido

Iniciar capítulo

3

Registro de modelos de MLflow

Este capítulo presenta el concepto de MLflow denominado Model Registry. Verás cómo se usa el Model Registry para gestionar el ciclo de vida de los modelos de ML. Aprenderás a crear y buscar modelos en el Model Registry. Después, aprenderás a registrar modelos en el Model Registry y a hacer la transición de modelos entre etapas predefinidas. Por último, también aprenderás a desplegar modelos desde el Model Registry.

Introducción al Registro de Modelos de flujo ML

Crear un modelo

Búsqueda de modelos

Registro de modelos

Registrar modelos existentes

Registrar nuevos modelos

Etapas del modelo

Etapas del modelo en el Registro de Modelos

Etapas del modelo de transición

Despliegue del modelo

Servir modelos del Registro de Modelos

Cargar modelos desde el Registro de Modelos

Iniciar capítulo

4

Proyectos de MLflow

En este capítulo, aprenderás a optimizar tu código de ciencia de datos para que sea reutilizable y reproducible usando Proyectos de MLflow. El capítulo comienza introduciendo el concepto de Proyectos de MLflow y guiándote en la creación de un archivo MLproject. A partir de ahí, aprenderás a ejecutar Proyectos de MLflow tanto desde la línea de comandos como con el módulo de Proyectos de MLflow y descubrirás el poder de usar parámetros para aportar más flexibilidad a tu código. Por último, aprenderás a gestionar pasos del ciclo de vida de Machine Learning creando un flujo de trabajo de varios pasos con Proyectos de MLflow.

Introducción a MLflujo Proyectos

MLdiseño del archivo del proyecto

Crear un proyecto ML

Ejecutar proyectos de flujo ML

MLorden de ejecución de flujo

MLmódulo de proyectos de flujo

Especificación de parámetros

Añadir parámetros al proyecto ML

Añadir parámetros a la ejecución del proyecto

Flujos de trabajo

Crear un proyecto MLpara el ciclo de vida ML: Ingeniería de modelos

Crear un proyecto MLpara el ciclo de vida ML: Evaluación del modelo

Crear un flujo de trabajo de varios pasos: Ingeniería de modelos

Crear un flujo de trabajo de varios pasos: Evaluación del modelo

Iniciar capítulo

Introducción a MLflow

Curso
completo

Obtener certificado de logros

Añade esta certificación a tu perfil de LinkedIn o a tu currículum.
Compártelo en redes sociales y en tu evaluación de desempeño.Inscríbete ahora

¡Únete a 19 millones de estudiantes y empieza Introducción a MLflow hoy mismo!

Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.