Registre su primera versión de modelo
Envíe un modelo entrenado al registro de modelos de MLflow.
Registre su primera versión de modelo es una lección gratuita de MLOps Academy en CoddyKit. Esta es la lección 1 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.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
What a Registry Is
A model registry is a central catalog for your trained models. Instead of files scattered on laptops, every model lives in one place with a version number. 📚
Runs vs Registered Models
An MLflow run records one training attempt. A registered model is a named entry that points at the best run you choose to promote and keep.
Log Before You Register
You always log a model first inside a run. Logging saves the artifact so the registry has something concrete to point back at later.
import mlflow
with mlflow.start_run():
mlflow.sklearn.log_model(model, "model")Register in One Call
The fastest path is the registered_model_name argument. Pass it to log_model and MLflow creates the registry entry and a first version for you.
mlflow.sklearn.log_model(
model, "model",
registered_model_name="churn-classifier")Versions Start at 1
Your first registration becomes version 1. Every later registration under the same name bumps the version automatically, so history is never overwritten.
Register From a Past Run
Already logged a model? You can register it after the fact by pointing at its run URI with mlflow.register_model.
mlflow.register_model(
"runs:/<run_id>/model",
"churn-classifier")The runs URI
That runs:/ URI is how MLflow finds the artifact. It combines the run id and the artifact path you used when you logged the model.
The Tracking URI
Set the tracking URI so your code talks to the right server. Without it, MLflow registers everything to a local mlruns folder instead.
mlflow.set_tracking_uri(
"http://localhost:5000")See It in the UI
Open the MLflow UI and click the Models tab. Your new model name appears there with version 1 listed under it, ready to inspect.
Names Are Identifiers
Pick a clear, stable name like fraud-detector. Teammates and code load models by that name, so renaming later breaks everything pointing at it.
Confirm With the Client
The MlflowClient lets you verify registration in code. Fetch the model by name and read back the versions that exist.
from mlflow import MlflowClient
c = MlflowClient()
print(c.get_registered_model("churn-classifier"))Quick Check
Let us check how a first registration is numbered.
Recap
You logged a model, gave it a registry name, and got version 1. Now your best model has a home that anyone on the team can find. 🎉
Preguntas frecuentes
¿La lección «Registre su primera versión de modelo» es gratis?
Sí — el texto completo de «Registre su primera versión de 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 «Registre su primera versión de modelo»?
Envíe un modelo entrenado al registro de modelos de MLflow. 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 1 de 4.
¿Cuánto tiempo toma la lección «Registre su primera versión de 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
- Registre su primera versión de modelo
- Etapas: Staging, Production, Archived
- Añada etiquetas y descripciones a los modelos
- Cargue un modelo por nombre y etapa