1. เรียนรู้
    2. /
  2. Courses
    3. /
  3. MLflow 소개
Connected

Exercises

멀티 스텝 워크플로 만들기: 모델 엔지니어링

MLflow Projects 모듈은 멀티 스텝 워크플로를 실행하는 방법으로 사용할 수 있어요. 모든 스텝은 하나의 Python 프로그램에서 조율되며, 이전 스텝의 결과를 다음 스텝으로 전달할 수 있습니다.

이 연습 문제에서는 ML lifecycle의 Model Engineering과 Model Evaluation 스텝을 관리하기 위한 멀티 스텝 워크플로를 만드는 것을 시작해 볼 거예요. MLflow Projects 모듈의 run() 메서드를 사용해 model_engineering 엔트리 포인트를 실행하고, 모델 학습에 사용할 하이퍼파라미터를 전달합니다. 또한 run_id 출력을 받아 변수에 저장한 뒤, 워크플로의 model_evaluation 스텝에 파라미터로 넘길 수 있도록 할 거예요.

이전 단계에서 만든 MLproject는 IPython Shell에서 print(MLproject)로 확인할 수 있습니다. MLflow 모듈은 이미 import되어 있어요.

คำแนะนำ

100 XP
  • MLflow Projects 모듈의 run() 메서드 호출 결과를 model_engineering이라는 변수에 할당하세요.
  • 엔트리 포인트 인수를 "model_engineering"으로 설정하세요.
  • 모델 학습 파라미터를 설정하세요. "n_jobs"는 2, "fit_intercept"는 False로 지정합니다.
  • model_engineering의 run_id 속성을 model_engineering_run_id라는 변수에 저장하세요.