1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Úvod do MLflow
Connected

cvičení

Vytvoření vícekrokového workflow: Model Engineering

Modul MLflow Projects lze využít ke spuštění vícekrokového workflow. Všechny kroky je možné koordinovat prostřednictvím jediného Python programu, který předává výsledky předchozích kroků dalším.

V tomto cvičení začneš vytvářet vícekrokové workflow pro správu kroků Model Engineering a Model Evaluation v rámci ML životního cyklu. Použiješ metodu run() z modulu MLflow Projects pro vstupní bod model_engineering a předáš parametry sloužící jako hyperparametry pro trénování modelu. Zároveň zachytíš výstup run_id a uložíš ho do proměnné, aby mohl být předán kroku model_evaluation workflow jako parametr.

MLproject vytvořený v předchozím kroku je dostupný v IPython Shellu pomocí print(MLproject). Modul MLflow je již importovaný.

Pokyny

100 XP
  • Přiřaď metodu run() z modulu MLflow Projects do proměnné s názvem model_engineering.
  • Nastav argument vstupního bodu na "model_engineering".
  • Nastav parametry pro trénování modelu: "n_jobs" na 2 a "fit_intercept" na False.
  • Přiřaď atribut run_id objektu model_engineering do proměnné s názvem model_engineering_run_id.