or
यह अभ्यास पाठ्यक्रम का हिस्सा है
इस अध्याय में, आप MLflow और Machine Learning लाइफसाइकल की कुछ चुनौतियों में सहायता के इसके तरीकों से परिचित होंगे। आपको MLflow के चार मुख्य कॉन्सेप्ट्स से परिचय कराया जाएगा, जिनमें मुख्य फोकस MLflow Tracking पर होगा। आप एक्सपेरिमेंट्स और रन बनाना सीखेंगे, साथ ही मेट्रिक्स, पैरामीटर्स और आर्टिफैक्ट्स को ट्रैक करना भी। अंत में, आप प्रोग्रामेटिक तरीके से MLflow में सर्च करेंगे ताकि ऐसी रन ढूँढें जो कुछ मानदंडों पर खरे उतरते हों.
इस अध्याय में, आप MLflow Models से परिचित होंगे। MLflow का Models कंपोनेंट Machine Learning लाइफसाइकल के Model Evaluation और Model Engineering चरणों में अहम भूमिका निभाता है। आप सीखेंगे कि MLflow Models कैसे ML मॉडलों की पैकेजिंग को मानकीकृत करता है और उन्हें सेव, लॉग और लोड कैसे किया जाता है। आप अपने उपयोग मामलों के लिए अधिक लचीलापन देने वाले कस्टम MLflow Models बनाना और मॉडल परफॉर्मेंस का मूल्यांकन करना भी सीखेंगे। आप "Flavors" की शक्तिशाली संकल्पना का उपयोग करेंगे और अंत में मॉडल डिप्लॉयमेंट के लिए MLflow कमांड-लाइन टूल का प्रयोग करेंगे.
यह अध्याय MLflow की Model Registry नामक संकल्पना का परिचय देता है। आप जानेंगे कि Model Registry का उपयोग ML मॉडलों के लाइफसाइकल को प्रबंधित करने में कैसे किया जाता है। आप Model Registry में मॉडल्स बनाना और उनकी खोज करना सीखेंगे। इसके बाद, आप मॉडल्स को Model Registry में रजिस्टर करना और उन्हें पूर्व-परिभाषित स्टेजेज़ के बीच ट्रांज़िशन करना सीखेंगे। अंत में, आप Model Registry से मॉडल्स को डिप्लॉय करना भी सीखेंगे.
वर्तमान अभ्यास
इस अध्याय में, आप MLflow Projects का उपयोग करके अपने डेटा साइंस कोड को पुन: उपयोग और पुनरुत्पादकता के लिए सुव्यवस्थित करना सीखेंगे। अध्याय की शुरुआत MLflow Projects की संकल्पना और एक MLproject फ़ाइल बनाने के मार्गदर्शन से होती है। इसके बाद, आप कमांड-लाइन और MLflow Projects मॉड्यूल दोनों के माध्यम से MLflow Projects चलाना सीखेंगे, साथ ही अपने कोड में अधिक लचीलापन लाने के लिए पैरामीटर्स के उपयोग की ताकत को समझेंगे। अंत में, आप MLflow Projects का उपयोग करके एक मल्टी-स्टेप वर्कफ़्लो बनाकर मशीन लर्निंग लाइफसाइकल के चरणों का प्रबंधन करना सीखेंगे.