शुरू करेंमुफ़्त में शुरू करें

ML Lifecycle के लिए MLproject बनाना: Model Engineering

MLproject फ़ाइल में एक से अधिक एंट्री पॉइंट हो सकते हैं। इसका मतलब है कि आप एक ही MLproject फ़ाइल से कई एंट्री पॉइंट्स चला सकते हैं, जिससे एक ही MLproject फ़ाइल का उपयोग करके कई स्टेप्स वाला वर्कफ़्लो चलाना संभव हो जाता है।

इस अभ्यास में आप एक MLproject फ़ाइल की शुरुआत तैयार करेंगे जिसमें model_engineering एंट्री पॉइंट शामिल होगा। यह एंट्री पॉइंट एक Python स्क्रिप्ट चलाएगा जो ऐसे पैरामीटर्स स्वीकार करता है जिन्हें Logistic Regression मॉडल के लिए fit_intercept और n_jobs हाइपरपैरामीटर वैल्यूज़ के रूप में इस्तेमाल किया जाता है। यह मॉडल किसी बीमा दावा (insurance claim) से व्यक्ति का लिंग (sex) प्रेडिक्ट करने के लिए उपयोग होता है।

यह अभ्यास पाठ्यक्रम का हिस्सा है

MLflow परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • ML लाइफसाइकल के Model Engineering स्टेप के लिए model_engineering नाम का एंट्री पॉइंट बनाइए।
  • पहले एंट्री पॉइंट पैरामीटर को n_jobs और दूसरे को fit_intercept सेट कीजिए।
  • पैरामीटर्स को कमांड के भीतर रखिए.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

"""
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 {____} {____}"
"""
कोड संपादित करें और चलाएँ