Vai al contenuto principale

Home Machine Learning

Corso

Introduzione a MLflow

AvanzatoLivello di competenza

Aggiornato 11/2024

Scopri come usare MLflow per semplificare la creazione di applicazioni di machine learning e approfondisci tracking, progetti e modelli.

Inizia il corso gratis

MLflowMachine Learning

4 h

16 video

51 Esercizi

3,750 XP

13,834

Attestato di conseguimento

Preferito dagli studenti di migliaia di aziende

Formare un team?

Prova per il Business

Descrizione del corso

Gestire il ciclo di vita end-to-end di un'applicazione di Machine Learning può risultare complesso e scoraggiante per data scientist, ingegneri e sviluppatori. Le applicazioni di Machine Learning sono spesso difficili da monitorare, da riprodurre e da distribuire.

In questo corso scoprirai cos'è MLflow e come questa piattaforma semplifica le principali sfide del ciclo di vita del Machine Learning, come monitoraggio, riproducibilità e distribuzione. Dopo aver acquisito familiarità con MLflow, saprai affrontare con maggiore sicurezza le complessità legate alla costruzione di applicazioni ML e navigare efficacemente nelle diverse fasi del ciclo di vita.

Durante il corso approfondirai i quattro componenti chiave della piattaforma MLflow: Scoprirai come tracciare modelli, metriche e parametri con MLflow Tracking, confezionare codice ML riproducibile con MLflow Projects, creare e distribuire modelli con MLflow Models e archiviare e controllare la versione dei modelli con Model Registry.

Man mano che avanzerai, imparerai anche le best practice per il versioning dei modelli, come valutarli, personalizzarli e introdurre automazioni nei cicli di addestramento. Questo corso ti preparerà a gestire con successo il ciclo di vita della tua prossima applicazione di Machine Learning.

Prerequisiti

Supervised Learning with scikit-learn MLOps Concepts

1

Introduzione a MLflow

In questo capitolo ti verrà presentato MLflow e come si propone di aiutarti a superare alcune difficoltà del ciclo di vita del Machine Learning. Ti verranno presentati i quattro concetti principali che compongono MLflow, con un'attenzione particolare al Tracking di MLflow. Imparerai a creare esperimenti ed esecuzioni e a tenere traccia di metriche, parametri e artefatti. Infine, effettuerai una ricerca programmatica su MLflow per trovare gli esperimenti che corrispondono a determinati criteri.

Che cos'è MLflow?

Componenti di MLflow

Esperimenti MLflow

Tracciamento MLflow

Iniziare una corsa

Registrazione di una corsa

Come recuperare i dati della corsa attiva?

Interrogazione delle corse

Opzioni di ricerca

Ricerca di corse

Inizia il capitolo

2

Modelli MLflow

In questo capitolo ti verranno presentati i Modelli MLflow. Il componente MLflow Models di MLflow svolge un ruolo essenziale nelle fasi di Model Evaluation e Model Engineering del ciclo di vita del Machine Learning. Imparerai come i modelli MLflow standardizzano il packaging dei modelli ML e come salvarli, registrarli e caricarli. Imparerai a creare modelli MLflow personalizzati per offrire maggiore flessibilità ai tuoi casi d'uso e a valutare le prestazioni dei modelli. Utilizzerai il potente concetto di "Flavors" e infine userai lo strumento a riga di comando MLflow per la distribuzione dei modelli.

Introduzione ai modelli MLflow

Pacchetto di un modello di apprendimento automatico

Formato di archiviazione

Cosa c'è in un file MLmodel?

Modello API

Salvare e caricare un modello

Registrazione e caricamento di un modello

Modelli personalizzati

Creare una classe Python personalizzata

Modello scikit-learn personalizzato

Valutazione e sapore di Scikit-learn

Modello che serve

Al servizio di un modello

Punteggio di un modello servito

Inizia il capitolo

3

Registro dei modelli Mlflow

Questo capitolo introduce il concetto di MLflow chiamato Registro dei Modelli. Ti verrà spiegato come viene utilizzato il Registro dei Modelli per gestire il ciclo di vita dei modelli ML. Imparerai a creare e cercare modelli nel Registro dei Modelli. Imparerai poi a registrare i modelli nel Registro dei modelli e a passare i modelli da una fase all'altra. Infine, imparerai anche a distribuire i modelli dal Registro dei Modelli.

Introduzione al registro dei modelli MLflow

Creare un modello

Ricerca di modelli

Registrazione dei modelli

Registrazione di modelli esistenti

Registrazione di nuovi modelli

Fasi del modello

Fasi del modello nel Registro dei modelli

Fasi del modello di transizione

Modello di distribuzione

Servire i modelli dal Registro dei modelli

Caricare i modelli dal Registro dei modelli

Inizia il capitolo

4

Progetti MLflow

In questo capitolo, acquisirai preziose conoscenze su come ottimizzare il tuo codice di data science per renderlo riutilizzabile e riproducibile utilizzando i progetti MLflow. Il capitolo inizia introducendo il concetto di progetti MLflow e ti guida nella creazione di un file MLproject. Da qui, imparerai a eseguire i progetti MLflow sia tramite la riga di comando che tramite il modulo Progetti MLflow, scoprendo anche la potenza dell'uso dei parametri per una maggiore flessibilità del tuo codice. Infine, imparerai a gestire le fasi del ciclo di vita dell'apprendimento automatico creando un flusso di lavoro multi-fase con MLflow Projects.

Introduzione ai progetti MLflow

Layout del file MLproject

Creare un progetto ML

Esecuzione di progetti MLflow

Comando di esecuzione di MLflow

Modulo progetti MLflow

Specificare i parametri

Aggiungere parametri a MLproject

Aggiunta di parametri all'esecuzione del progetto

Flussi di lavoro

Creare un progetto ML per il ciclo di vita di ML: Modellistica

Creare un progetto ML per il ciclo di vita di ML: Valutazione del modello

Creare un flusso di lavoro in più fasi: Modellistica

Creare un flusso di lavoro in più fasi: Valutazione del modello

Conclusione

Inizia il capitolo

Introduzione a MLflow

Corso
completato

Ottieni Attestato di conseguimento

Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CV
Condividila sui social e nella valutazione delle tue performanceIscriviti ora

Unisciti a oltre 19 milioni di studenti e inizia Introduzione a MLflow oggi!

Aumenta le tue competenze sui dati con l'app di DataCamp

Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.