Serialice con Pickle y Joblib
Guarde y cargue modelos de sklearn de forma segura.
Serialice con Pickle y Joblib 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.
¿Por qué serializar un modelo?
Un modelo entrenado vive en memoria y desaparece cuando termina el script. La serialización lo guarda en un archivo para poder cargarlo de nuevo más adelante. 💾
Conozca Pickle
El módulo integrado pickle de Python convierte casi cualquier objeto en bytes que puede almacenar en disco y reconstruir después, exactamente como estaba.
Volcar un modelo al disco
Abra un archivo en modo binario de escritura y llame a pickle.dump para escribir en él el modelo entrenado.
import pickle
with open('model.pkl', 'wb') as f:
pickle.dump(model, f)Cárguelo de nuevo
Para restaurar el modelo, abra el archivo en modo binario de lectura y llame a pickle.load. Recuperará el mismo objeto, listo para predecir.
with open('model.pkl', 'rb') as f:
model = pickle.load(f)Por qué existe Joblib
Scikit-learn incluye grandes arrays de NumPy dentro de los modelos. joblib almacena esos arrays de forma mucho más eficiente que pickle sin más. 🚀
Guarde con Joblib
joblib ofrece una línea sencilla: joblib.dump recibe el objeto y un nombre de archivo, sin necesidad de gestionar manualmente el archivo.
import joblib
joblib.dump(model, 'model.joblib')Cargue con Joblib
La carga refleja el guardado. Llame a joblib.load con el mismo nombre de archivo y recuperará su estimator entrenado.
model = joblib.load('model.joblib')
model.predict(X_test)La gran advertencia de Pickle
No deserialice nunca un archivo procedente de una fuente que no sea de confianza. Un pickle malicioso puede ejecutar código arbitrario en el momento de cargarlo. ⚠️
Las versiones deben coincidir
Un pickle está vinculado a las versiones de las bibliotecas. Cargar un modelo con una versión diferente de scikit-learn puede provocar errores o comportamientos incorrectos silenciosos.
Fije lo que guardó
Registre siempre las versiones exactas de las bibliotecas junto al archivo. Fijar sus requirements permite que el modelo guardado se cargue de la misma forma mañana.
import sklearn
print(sklearn.__version__)¿Pickle o Joblib?
Para modelos de scikit-learn, use joblib; para objetos de Python pequeños y sin arrays, pickle sin más es perfectamente adecuado.
Comprobación rápida
Es hora de comprobar lo que ha aprendido sobre la serialización de modelos.
Resumen
Ahora puede guardar y volver a cargar modelos con pickle y joblib, preferir joblib para sklearn, no cargar nunca archivos que no sean de confianza y fijar las versiones. 🎉
Aprende Python con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Serialice con Pickle y Joblib» es gratis?
Sí — el texto completo de «Serialice con Pickle y Joblib» 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 «Serialice con Pickle y Joblib»?
Guarde y cargue modelos de sklearn de forma segura. 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 «Serialice con Pickle y Joblib»?
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