Defina la firma y el esquema de un modelo
Declare explícitamente las entradas y salidas esperadas.
Defina la firma y el esquema de un modelo es una lección gratuita de MLOps Academy en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de MLOps Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de MLOps Academy incluye 4 lecciones en total.
Qué entra y qué sale
La firma de un modelo declara exactamente qué entradas espera y qué salidas devuelve. Es el contrato del modelo. 📜
Por qué son importantes las firmas
Con un esquema claro, quienes llaman al modelo saben qué columnas y tipos deben enviar. Las entradas incorrectas se detectan pronto, en lugar de provocar un error al predecir.
Entradas y salidas
Una firma tiene dos partes: el esquema de entrada, que describe cada característica, y el esquema de salida, que describe la forma de la predicción.
Esquemas de columnas frente a esquemas de tensores
Los modelos tabulares utilizan un esquema de columnas con campos con nombre y tipo. Los modelos de imágenes o texto suelen utilizar un esquema de tensores con formas y dtypes.
Infíéralo automáticamente
La opción más sencilla es infer_signature: proporciónele entradas y salidas de ejemplo y MLflow determinará el esquema por usted.
from mlflow.models import infer_signature
sig = infer_signature(X, model.predict(X))Adjúntelo al registrar el modelo
Pase la firma inferida a log_model para que se guarde directamente en el archivo MLmodel del modelo.
mlflow.sklearn.log_model(model, name='m', signature=sig)Añada un ejemplo de entrada
Registrar también un input_example proporciona a sus compañeros un ejemplo de entrada válida que pueden copiar y pegar, y ayuda a las herramientas a crear solicitudes correctas.
mlflow.sklearn.log_model(model, name='m',
input_example=X[:1])Aplicación durante el serving
Al servir el modelo, MLflow comprueba cada solicitud con el esquema y rechaza las entradas con el tipo incorrecto o con campos faltantes. 🛡️
Conversión segura de tipos
MLflow puede convertir silenciosamente tipos seguros a otros más amplios, como de int a long, pero bloquea los cambios con pérdida para que el modelo nunca reciba datos dañados.
Columnas opcionales y adicionales
Puede marcar campos como opcionales, y las columnas adicionales inesperadas se descartan, de modo que pequeños cambios en la entrada no interrumpan el serving.
Un documento vivo
La firma también sirve como documentación: abra el archivo MLmodel y verá al instante el contrato completo de entrada y salida del modelo.
Comprobación rápida
Comprobación final sobre las firmas y los esquemas de los modelos.
Resumen
Una firma es el contrato de entrada y salida de su modelo: infiérala, regístrela con un ejemplo y deje que MLflow la aplique durante el serving. 🎉
Preguntas frecuentes
¿La lección «Defina la firma y el esquema de un modelo» es gratis?
Sí — el texto completo de «Defina la firma y el esquema de un modelo» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de MLOps Academy, actualiza a CoddyKit PRO. El curso de MLOps Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Defina la firma y el esquema de un modelo»?
Declare explícitamente las entradas y salidas esperadas. Practicas MLOps Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar MLOps Academy?
No se requiere experiencia previa. MLOps Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Defina la firma y el esquema de un modelo»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de MLOps Academy?
Sí. Cada lección de MLOps Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Serialice con Pickle y Joblib
- El model flavor de MLflow
- Exporte a ONNX para facilitar la portabilidad
- Defina la firma y el esquema de un modelo