1. Aprende
    2. /
  2. Cursos
    3. /
  3. Introducción al flujo ML
  • 1

    Introducción al flujo ML

    Gratuito

    En este Capítulo, se te presentará el flujo MLy cómo pretende ayudar en algunas dificultades del ciclo de vida del Aprendizaje Automático. Se te presentarán los cuatro conceptos principales que componen MLflujo, centrándose principalmente en MLflujo Seguimiento. Aprenderás a crear experimentos y ejecuciones, así como a realizar un seguimiento de las métricas, los parámetros y los artefactos. Por último, buscarás el flujo MLmediante programación para encontrar ejecuciones de experimentos que se ajusten a determinados criterios.

  • 2

    MLflujo Modelos

    Gratuito

    En este capítulo, conocerás los Modelos de flujo ML. El componente MLflow Models de MLflow desempeña un papel esencial en los pasos de Evaluación de Modelos e Ingeniería de Modelos del ciclo de vida del Aprendizaje Automático. Aprenderás cómo MLflow Models estandariza el empaquetado de los modelos ML y cómo guardarlos, registrarlos y cargarlos. Aprenderás a crear Modelos de flujo MLpersonalizados para proporcionar más flexibilidad a tus casos de uso, así como a evaluar el rendimiento del modelo. Utilizarás el potente concepto de "Sabores" y, por último, utilizarás la herramienta de línea de comandos MLflow para el despliegue de modelos.

  • 3

    Registro de modelos Mlflow

    Este Capítulo introduce el concepto de flujo MLdenominado Registro Modelo. Conocerás cómo se utiliza el Registro de Modelos para gestionar el ciclo de vida de los modelos de ML. Aprenderás a crear y buscar modelos en el Registro de Modelos. A continuación, aprenderás a registrar modelos en el Registro de Modelos y a realizar transiciones de modelos entre etapas predefinidas. Por último, también aprenderás a desplegar modelos desde el Registro de Modelos.

  • 4

    MLflujo Proyectos

    En este capítulo, obtendrás valiosos conocimientos sobre cómo racionalizar tu código de ciencia de datos para que sea reutilizable y reproducible, utilizando Proyectos de flujo ML. El capítulo comienza introduciendo el concepto de Proyectos de flujo MLy te guía a través de la creación de un archivo de proyecto ML. A partir de ahí, aprenderás a ejecutar Proyectos de MLflow tanto a través de la línea de comandos como del módulo Proyectos de MLflow, al tiempo que descubres el poder de utilizar parámetros para añadir flexibilidad a tu código. Por último, aprenderás a gestionar los pasos del ciclo de vida del aprendizaje automático creando un flujo de trabajo de varios pasos utilizando MLflow Projects.

Initializing

Ejercicio

Cargar modelos desde el Registro de Modelos

En este ejercicio, utilizarás el sabor scikit-learn para desplegar el modelo "Insurance" más estable del Registro de Modelos de flujo MLy luego utilizarás datos de prueba para obtener una predicción del modelo.

El modelo utiliza LogisticRegression para predecir si una reclamación al seguro corresponde a un hombre o a una mujer, que se etiqueta como 1 ó 0. Cargarás el modelo y luego harás predicciones utilizando un conjunto de pruebas llamado X_test.

Se importará el módulo de flujo ML.

Instrucciones

100 XP
  • Con el sabor scikit-learn, carga la versión "Production" del modelo "Insurance" utilizando la convención para obtener modelos del Registro como el modelo URI.
  • Utilizando el modelo cargado, ejecuta una predicción sobre los datos de prueba de train_test_split utilizados durante el entrenamiento del modelo.