CommencerCommencer gratuitement

Création d'un projet ML pour le cycle de vie ML: Ingénierie des modèles

Le fichier MLproject peut comporter plus d'un point d'entrée. Cela signifie que vous pouvez utiliser un seul fichier MLproject pour exécuter plusieurs points d'entrée, ce qui permet d'exécuter un flux de travail en plusieurs étapes à l'aide d'un seul fichier MLproject.

Dans cet exercice, vous allez construire le début d'un fichier MLproject qui contient le point d'entrée model_engineering. Ce point d'entrée exécutera un script Python qui accepte les paramètres utilisés comme valeurs d'hyperparamètres pour fit_intercept et n_jobs dans un modèle de régression logistique. Ce modèle est utilisé pour prédire le sexe d'une personne à partir d'une demande d'indemnisation.

Cet exercice fait partie du cours

Introduction à MLflow

Afficher le cours

Instructions

  • Créez un point d'entrée pour l'étape "Model Engineering" du cycle de vie de ML appelé model_engineering.
  • Fixez le premier paramètre du point d'entrée à n_jobs et le second à fit_intercept.
  • Placez les paramètres dans la commande.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

"""
name: insurance_model
python_env: python_env.yaml
entry_points:
  # Set the entry point
  ____:
    parameters: 
      # Set n_jobs 
      ____:
        type: int
        default: 1
      # Set fit_intercept
      ____:
        type: bool
        default: True
    # Pass the parameters to the command
    command: "python3.9 train_model.py {____} {____}"
"""
Modifier et exécuter le code