Entrene y registre el modelo
Ejecute el entrenamiento y registre el modelo resultante.
Entrene y registre el 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.
Una ejecución, todo registrado
Esta lección conecta el entrenamiento con el registro. Entrena un modelo y después lo envía al MLflow Model Registry, donde se convierte en un artefacto versionado y reutilizable. 🚀
Iniciar una ejecución de seguimiento
Enmarque el entrenamiento en mlflow.start_run(). Todo lo que registre dentro de ese bloque pertenece a una ejecución, con su propio ID y marca de tiempo.
import mlflow
with mlflow.start_run() as run:
# train and log here
print(run.info.run_id)Entrenar el modelo
Dentro de la ejecución, ajuste su estimador como de costumbre. El código de training no cambia solo porque MLflow lo esté supervisando.
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)Registrar los parámetros
Registre las decisiones que tomó con log_param. Meses después, así podrá recordar exactamente qué configuraciones produjeron este modelo.
mlflow.log_param("n_estimators", 100)
mlflow.log_param("max_depth", None)Registrar las métricas
Capture su rendimiento con log_metric. Las métricas son los valores por los que ordenará al comparar ejecuciones más adelante.
acc = model.score(X_test, y_test)
mlflow.log_metric("accuracy", acc)Registrar el artefacto del modelo
Use mlflow.sklearn.log_model para guardar el modelo ajustado en la ejecución. MLflow almacena juntos los pesos, el flavor y el entorno.
mlflow.sklearn.log_model(
sk_model=model,
name="model",
)Registrar mientras se guarda
Indique registered_model_name y MLflow registrará el modelo y añadirá una nueva versión en un solo paso. Es la opción más sencilla.
mlflow.sklearn.log_model(
sk_model=model,
name="model",
registered_model_name="churn-classifier",
)Registrar posteriormente
¿Ya ha registrado un modelo? Llame a register_model con el URI de la ejecución para añadirlo al registro sin volver a entrenar nada.
uri = "runs:/<run_id>/model"
mlflow.register_model(uri, "churn-classifier")Las versiones se incrementan automáticamente
Registre de nuevo el mismo nombre y obtendrá la version 2, después la 3, y así sucesivamente. El registro conserva todas las versiones y nunca sobrescribe una anterior.
Comprobación rápida
Registra un modelo con un nombre que ya existe. ¿Qué sucede?
La ejecución, confirmada
Cuando finaliza el bloque, la ejecución se marca como FINISHED. Sus parámetros, métricas y versión registrada del modelo quedan vinculados permanentemente.
Encontrarlo en la interfaz
Abra la interfaz de MLflow y su ejecución aparecerá en el experimento correspondiente, con la nueva versión del modelo en la pestaña Models. No se pierde nada.
Resumen: entrenar, registrar, añadir al registro
Ha entrenado dentro de una ejecución, ha registrado parámetros y métricas, ha guardado el modelo y ha registrado una versión. Entrenar, registrar, añadir al registro: ese es el inicio de un pipeline real. ✅
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 «Entrene y registre el modelo» es gratis?
Sí — el texto completo de «Entrene y registre el 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 «Entrene y registre el modelo»?
Ejecute el entrenamiento y registre el modelo resultante. 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 «Entrene y registre el 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
- Entrene y registre el modelo
- Promueva el mejor modelo a Production
- Sirva el modelo de Production
- Trace el recorrido completo de una predicción