ComeçarComece de graça

Registrando e carregando um modelo

A Model API oferece uma forma padronizada de interagir com seus modelos registrando e carregando-os diretamente do MLflow Tracking. Conseguir interagir com modelos é essencial no ciclo de vida de Machine Learning, especialmente nas etapas de Model Engineering e Model Evaluation.

Neste exercício, você vai criar um modelo de Regressão Linear do scikit-learn usando o conjunto de dados Unicorn. Esse modelo será registrado no MLflow Tracking e depois carregado usando o run_id utilizado para registrar o artefato.

Primeiro, você vai registrar o modelo usando a biblioteca scikit-learn do módulo MLflow. Depois, vai carregar o modelo do MLflow Tracking usando o run_id.

O modelo será treinado e terá o nome lr_model.

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

O módulo mlflow será importado.

Este exercício faz parte do curso

Introdução ao MLflow

Ver curso

Instruções do exercício

  • Registre o modelo no MLflow Tracking sob o caminho de artefato "lr_tracking".
  • Crie uma variável chamada run definida como a última execução.
  • Crie outra variável chamada run_id definida como o run_id da variável run.
  • Carregue o modelo usando o run_id e o caminho de artefato usado para registrá-lo.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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 e executar o código