เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การสร้าง MLproject สำหรับ ML Lifecycle: Model Engineering

ไฟล์ MLproject สามารถมี entry point ได้มากกว่าหนึ่งรายการ ซึ่งหมายความว่าสามารถใช้ไฟล์ MLproject ไฟล์เดียวในการรัน entry point หลายรายการ และทำให้สามารถสร้างเวิร์กโฟลว์แบบหลายขั้นตอนได้จากไฟล์เดียว

ในแบบฝึกหัดนี้ จะได้สร้างไฟล์ MLproject ที่มี entry point ชื่อ model_engineering ซึ่ง entry point นี้จะรันสคริปต์ Python ที่รับพารามิเตอร์สำหรับใช้เป็นค่า hyperparameter ของ fit_intercept และ n_jobs ในโมเดล Logistic Regression โดยโมเดลนี้ใช้สำหรับทำนายเพศของบุคคลจากข้อมูลการเคลมประกัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

MLflow เบื้องต้น

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง entry point สำหรับขั้นตอน Model Engineering ใน ML lifecycle โดยตั้งชื่อว่า model_engineering
  • กำหนดพารามิเตอร์แรกของ entry point เป็น n_jobs และพารามิเตอร์ที่สองเป็น fit_intercept
  • ระบุพารามิเตอร์ทั้งสองภายใน command

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

"""
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 {____} {____}"
"""
แก้ไขและรันโค้ด