Pular para o conteúdo principal

Início Machine Learning

Curso

Introdução ao MLflow

AvançadoNível de habilidade

Atualizado 11/2024

Saiba como usar o MLflow para simplificar o desenvolvimento de aplicativos de ML, com rastreamento, projetos, modelos e registro de modelos.

Iniciar curso gratuitamente

MLflowMachine Learning

4 h

16 vídeos

51 Exercícios

3,750 XP

13,822

Declaração de realização

Preferido por alunos de milhares de empresas

Treinando uma equipe?

Experimente para Empresas

Descrição do curso

Gerenciar o ciclo de vida de ponta a ponta de um aplicativo de machine learning pode ser uma tarefa assustadora para cientistas de dados, engenheiros e desenvolvedores. Os aplicativos de machine learning são complexos e têm um histórico comprovado de serem difíceis de rastrear, difíceis de reproduzir e problemáticos de implantar.

Neste curso, você aprenderá o que é o fluxo MLe como ele tenta simplificar as dificuldades do ciclo de vida do Machine Learning, como rastreamento, reprodutibilidade e implantação. Depois de aprender o fluxo do ML, você terá uma melhor compreensão de como superar as complexidades da criação de aplicativos de Machine Learning e como navegar pelos diferentes estágios do ciclo de vida do Machine Learning.

Ao longo do curso, você mergulhará fundo nos quatro principais componentes que compõem a plataforma de fluxo ML. Você explorará como rastrear modelos, métricas e parâmetros com o programa MLflow Tracking, empacotar código reproduzível ML usando o programa MLflow Projects, criar e implantar modelos usando o programa MLflow Models e armazenar e controlar a versão dos modelos usando o Model Registry.

À medida que avança no curso, você também aprenderá as práticas recomendadas de uso do fluxo MLpara modelos de controle de versão, como avaliar modelos, adicionar personalizações a modelos e como criar automação em execuções de treinamento. Este curso preparará você para ter sucesso no gerenciamento do ciclo de vida do seu próximo aplicativo de Machine Learning.

Pré-requisitos

Supervised Learning with scikit-learn MLOps Concepts

1

Introdução ao MLflow

Neste capítulo, você será apresentado ao MLflow e a como ele busca ajudar em algumas dificuldades do ciclo de vida de Machine Learning. Você conhecerá os quatro conceitos principais que compõem o MLflow, com foco em MLflow Tracking. Você vai aprender a criar experimentos e execuções (runs), além de rastrear métricas, parâmetros e artefatos. Por fim, você fará buscas programáticas no MLflow para encontrar execuções de experimentos que atendam a determinados critérios.

O que é MLflow?

Componentes do MLflow

Experimentos no MLflow

MLflow Tracking

Iniciando uma execução (run)

Registrando uma execução

Como obter dados da execução ativa?

Consultando execuções

Opções de consulta em Search runs

Buscando execuções

Iniciar capítulo

2

MLflow Models

Neste capítulo, você será apresentado ao MLflow Models. O componente MLflow Models desempenha um papel essencial nas etapas de Avaliação de Modelo e Engenharia de Modelo do ciclo de vida de Machine Learning. Você aprenderá como o MLflow Models padroniza o empacotamento de modelos de ML e como salvá-los, registrá-los (log) e carregá-los. Você também vai aprender a criar modelos personalizados do MLflow para dar mais flexibilidade aos seus casos de uso e a avaliar o desempenho do modelo. Você utilizará o poderoso conceito de “Flavors” e, por fim, usará a ferramenta de linha de comando do MLflow para implantar modelos.

Introdução aos MLflow Models

Empacotar um modelo de Machine Learning

Formato de armazenamento

O que existe em um arquivo MLmodel?

API de modelos

Salvando e carregando um modelo

Registrando e carregando um modelo

Modelos personalizados

Criando uma Classe Python personalizada

Modelo customizado do scikit-learn

Flavor do scikit-learn e avaliação

Serviço de modelos

Servindo um modelo

Pontuar a partir de um modelo em serviço

Iniciar capítulo

3

Mlflow Model Registry

Este capítulo apresenta o conceito do MLflow chamado Model Registry. Você verá como o Model Registry é usado para gerenciar o ciclo de vida de modelos de ML. Você aprenderá a criar e buscar modelos no Model Registry. Em seguida, aprenderá a registrar modelos no Model Registry e a fazer a transição de modelos entre estágios predefinidos. Por fim, você também aprenderá a implantar modelos a partir do Model Registry.

Introdução ao MLflow Model Registry

Criar um modelo

Buscando modelos

Registrando modelos

Registrando modelos existentes

Registrando novos modelos

Estágios do modelo

Estágios de modelo no Model Registry

Transição entre estágios do modelo

Implantação de modelos

Servindo modelos a partir do Model Registry

Carregando modelos do Model Registry

Iniciar capítulo

4

MLflow Projects

Neste capítulo, você vai aprender a otimizar seu código de ciência de dados para reuso e reprodutibilidade usando MLflow Projects. O capítulo começa apresentando o conceito de MLflow Projects e guiando você na criação de um arquivo MLproject. A partir daí, você vai aprender a executar MLflow Projects tanto pela linha de comando quanto pelo módulo MLflow Projects, além de descobrir o poder de usar parâmetros para dar mais flexibilidade ao seu código. Por fim, você vai aprender a gerenciar etapas do ciclo de vida de Machine Learning criando um fluxo de trabalho com várias etapas usando MLflow Projects.

Introdução aos MLflow Projects

Estrutura do arquivo MLproject

Criando um MLproject

Executando MLflow Projects

Comando mlflow run

Módulo MLflow projects

Especificando parâmetros

Adicionando parâmetros ao MLproject

Adicionando parâmetros à execução do projeto

Fluxos de trabalho

Criando um MLproject para o ciclo de vida de ML: Engenharia de Modelo

Criando um MLproject para o ciclo de vida de ML: Avaliação do modelo

Criando um fluxo de trabalho com várias etapas: Model Engineering

Criando um fluxo de trabalho multi-etapas: Avaliação do Modelo

Encerramento

Iniciar capítulo

Introdução ao MLflow

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora

Faça como mais de 19 milhões de alunos e comece Introdução ao MLflow hoje mesmo!

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.