Úvod
Skripty jsou ideální, když chcete spouštět úlohy strojového učení v produkčních prostředích. Představte si, že jste datový vědec, který vyvinul model strojového učení pro predikci cukrovky. Model funguje podle očekávání a vytvořili jste trénovací skript. Skript se používá k opětovnému trénování modelu každý měsíc, když se shromažďují nová data.
V průběhu času budete chtít monitorovat výkon modelu. Chcete zjistit, jestli nová data každý měsíc přináší výhody modelu. Vedle sledování modelů trénovaných v poznámkových blocích můžete také použít MLflow ke sledování modelů ve skriptech.
MLflow je opensourcová platforma, která vám pomůže sledovat metriky modelu a artefakty napříč platformami a je integrovaná se službou Azure Machine Learning.
Pokud používáte MLflow společně se službou Azure Machine Learning, můžete spouštět trénovací skripty místně nebo v cloudu. Můžete zkontrolovat metriky modelu a artefakty v pracovním prostoru Azure Machine Learning a porovnat spuštění a rozhodnout se o dalších krocích.
Studijní cíle
V tomto modulu se naučíte:
- MLflow použijte, když spouštíte skript jako úlohu.
- Zkontrolujte metriky, parametry, artefakty a modely během spuštění.