강의
MLflow 소개
고급기술 수준
업데이트됨 2024. 11.
MLflowMachine Learning4시간16 동영상51 연습 문제3,750 XP13,760성취 증명서
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
수천 개 기업의 학습자들이 사랑하는
팀을 교육하시나요?
비즈니스용으로 체험해 보세요강의 설명
머신 러닝 애플리케이션의 엔드투엔드 라이프사이클을 관리하는 일은 데이터 과학자, 엔지니어, 개발자에게 벅찬 과제가 될 수 있습니다. 머신 러닝 애플리케이션은 복잡하며, 추적하기 어렵고, 재현하기 힘들며, 배포하기 까다롭다는 것이 입증되어 있습니다.
이 강의에서는 MLflow가 무엇인지, 그리고 추적, 재현성, 배포와 같은 머신 러닝 라이프사이클의 어려움을 어떻게 단순화하려고 하는지 배우게 됩니다. MLflow를 학습한 후에는 머신 러닝 애플리케이션을 구축할 때의 복잡성을 극복하는 방법과 머신 러닝 라이프사이클의 다양한 단계를 어떻게 진행해야 하는지에 대해 더 잘 이해하게 됩니다.
강의 전반에 걸쳐 MLflow 플랫폼을 구성하는 네 가지 주요 요소를 깊이 있게 살펴보게 됩니다. MLflow Tracking으로 모델, 지표, 매개변수를 추적하는 방법을 살펴보고, MLflow Projects를 사용해 재현 가능한 ML 코드를 패키징하며, MLflow Models를 사용해 모델을 생성하고 배포하고, Model Registry를 사용해 모델을 저장하고 버전 관리하는 방법을 배우게 됩니다.
강의를 진행하면서 모델 버전 관리를 위해 MLflow를 사용하는 모범 사례, 모델 평가 방법, 모델에 사용자 지정 기능을 추가하는 방법, 그리고 학습 실행에 자동화를 구축하는 방법도 배우게 됩니다. 이 강의는 다음 머신 러닝 애플리케이션의 전체 수명 주기를 관리하는 데 성공할 수 있도록 준비시켜 줍니다.
선수 조건
Supervised Learning with scikit-learnMLOps Concepts1
Introduction to MLflow
In this Chapter, you will be introduced to MLflow and how it aims to assist with some difficulties of the Machine Learning lifecycle. You will be introduced to the four main concepts that make up MLflow with a main focus on MLflow Tracking. You will learn to create experiments and runs as well as how to track metrics, parameters, and artifacts. Finally, you will search MLflow programmatically to find experiment runs that fit certain criteria.
2
MLflow Models
In this Chapter, you will be introduced to MLflow Models. The MLflow Models component of MLflow plays an essential role in the Model Evaluation and Model Engineering steps of the Machine Learning lifecycle. You will learn how MLflow Models standardizes the packaging of ML models as well as how to save, log and load them. You will learn how to create custom MLflow Models to provide more flexibility to your use cases as well as how to evaluate model performance. You will utilize the powerful concept of “Flavors” and finally use the MLflow command line tool for model deployment.
3
Mlflow Model Registry
This Chapter introduces the concept of MLflow called the Model Registry. You will be introduced to how the Model Registry is used to manage the lifecycle of ML models. You will learn how to create and search for models in the Model Registry. You then learn how to register models to the Model Registry and learn how to transition models between predefined stages. Finally, you will also learn how to deploy models from the Model Registry.
4
MLflow Projects
In this chapter, you'll gain valuable knowledge on how to streamline your data science code for reusability and reproducibility using MLflow Projects. The chapter begins by introducing the concept of MLflow Projects and walking you through creating an MLproject file. From there, you'll learn how to run MLflow Projects through both the command-line and the MLflow Projects module while also discovering the power of using parameters for added flexibility in your code. Finally, you will learn how to manage steps of the machine learning lifecycle by creating a multi-step workflow using MLflow Projects.
MLflow 소개
강의 완료
19백만 명 이상의 학습자와 함께 MLflow 소개을(를) 시작하세요!
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.
모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.