ComenzarEmpieza gratis

Registrar y cargar un modelo

La API de modelos proporciona una forma de interactuar con nuestros modelos, registrándolos y cargándolos directamente desde MLflow Tracking de una manera estandarizada. Poder interactuar con los modelos es crucial durante el ciclo de vida de ML para los pasos de Ingeniería de Modelos y Evaluación de Modelos.

En este ejercicio crearás un modelo de Regresión Lineal desde scikit-learn utilizando el conjunto de datos Unicorn. Este modelo se registrará en MLflow Tracking y luego se cargará utilizando el run_id utilizado para registrar el artefacto.

En primer lugar, registrarás el modelo utilizando la biblioteca scikit-learn del módulo MLflow. A continuación, cargarás el modelo desde MLflow Tracking utilizando la dirección run_id.

El modelo será entrenado y tendrá el nombre lr_model. 

lr_model = LinearRegression()
lr_model.fit(X_train, y_train)

Se importará el módulo mlflow.

Este ejercicio forma parte del curso

Introducción a MLflow

Ver curso

Instrucciones del ejercicio

  • Registra el modelo en MLflow Tracking bajo la ruta de artefactos de "lr_tracking".
  • Crea una variable llamada run que se establece en la última ejecución.
  • Crea otra variable llamada run_id que se ajuste a la run_id de la variable run.
  • Carga el modelo utilizando la dirección run_id y la ruta del artefacto utilizada para registrar el modelo.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Log model to MLflow Tracking
____.____.____(____, "____")

# Get the last run
run = ____.____

# Get the run_id of the above run
run_id = ____.___.____

# Load model from MLflow Tracking
model = ____.____.____(f"runs:/{____}/____")
Editar y ejecutar código