ПочатиПочніть безкоштовно

Створення MLproject для життєвого циклу ML: інженерія моделі

Файл MLproject може містити більше ніж одну точку входу. Це означає, що ви можете використовувати один файл MLproject для виконання кількох точок входу, тобто запускати робочий процес з кількох кроків за допомогою одного файлу MLproject.

У цій вправі ви створите початок файлу MLproject, який міститиме точку входу model_engineering. Ця точка входу виконуватиме скрипт Python, що приймає параметри, які використовуються як гіперпараметри fit_intercept і n_jobs для моделі Logistic Regression. Цю модель використовують, щоб передбачити стать людини за страховою заявою.

Ця вправа є частиною курсу

Вступ до MLflow

Переглянути курс

Інструкції до вправи

  • Створіть точку входу для етапу інженерії моделі в життєвому циклі ML з назвою model_engineering.
  • Встановіть першим параметром точки входу n_jobs, а другим — fit_intercept.
  • Розмістіть параметри всередині команди.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

"""
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 {____} {____}"
"""
Редагувати та запускати код