Mencatat Parameter, Metrik, dan Artefak
Catat hiperparameter, skor, dan file untuk setiap proses.
Mencatat Parameter, Metrik, dan Artefak adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 2 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.
Tiga Hal yang Dicatat
Di dalam sebuah proses, Anda mengabadikan tiga jenis data: parameter yang dipilih, metrik yang diukur, dan berkas yang dihasilkan.
Catat Parameter
Parameter adalah masukan yang Anda pilih, seperti laju pembelajaran atau kedalaman pohon. Catat sekali agar Anda selalu mengetahui konfigurasi suatu proses.
mlflow.log_param("learning_rate", 0.01)Catat Banyak Parameter Sekaligus
Memiliki dict konfigurasi lengkap? Gunakan log_params untuk mencatat setiap kunci dan nilai dalam satu pemanggilan, bukan menulisnya baris demi baris.
mlflow.log_params({"max_depth": 6, "n_estimators": 200})Catat Metrik
Metrik adalah angka yang diperoleh model Anda, seperti akurasi atau kerugian. Catat agar proses dapat diurutkan dan dibandingkan nanti.
mlflow.log_metric("accuracy", 0.92)Metrik Dapat Memiliki Langkah
Metrik berubah selama pelatihan. Berikan langkah untuk mencatat kerugian pada setiap epoch, lalu MLflow akan menggambar kurva yang dapat Anda periksa di UI.
for epoch in range(10):
mlflow.log_metric("loss", loss, step=epoch)Apa Itu Artefak
Artefak adalah berkas apa pun yang dihasilkan suatu proses: model tersimpan, plot, gambar matriks kebingungan, atau CSV prediksi.
Catat Artefak
Gunakan log_artifact untuk melampirkan berkas lokal ke proses. MLflow menyalinnya ke penyimpanan artefak agar tetap terhubung dengan eksperimen tersebut.
mlflow.log_artifact("confusion_matrix.png")Parameter vs Metrik
Aturan praktisnya: parameter adalah masukan yang Anda kendalikan, sedangkan metrik adalah keluaran yang Anda ukur. Mencatat keduanya membuat proses sepenuhnya dapat dibandingkan.
Beri Tag pada Proses
Tambahkan tag untuk memberi label pada proses dengan catatan bebas, seperti versi data atau orang yang memicunya. Tag membuat pencarian berikutnya jauh lebih mudah.
mlflow.set_tag("data_version", "v3")Semuanya Tersimpan dalam Proses
Setiap parameter, metrik, dan artefak dilampirkan ke proses yang aktif. Tutup proses tersebut dan gambaran itu akan dibekukan selamanya untuk Anda tinjau kembali.
Catat Sejak Awal, Catat Sesering Mungkin
Mencatat itu mudah, kehilangan data itu menyakitkan. Abadikan semuanya yang mungkin penting, karena Anda tidak pernah dapat merekonstruksi proses yang gagal Anda catat.
Pemeriksaan Cepat
Mari periksa apakah Anda dapat membedakan parameter dari metrik.
Rangkuman
Anda mencatat parameter, metrik dengan langkah, artefak, dan tag. Kini sebuah proses menyimpan seluruh ceritanya dan siap dibandingkan dengan proses lainnya. ✅
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Mencatat Parameter, Metrik, dan Artefak” gratis?
Ya — teks lengkap “Mencatat Parameter, Metrik, dan Artefak” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Mencatat Parameter, Metrik, dan Artefak”?
Catat hiperparameter, skor, dan file untuk setiap proses. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai MLOps Academy?
Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 4.
Berapa lama pelajaran “Mencatat Parameter, Metrik, dan Artefak” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Memasang MLflow dan Mulai Melacak
- Mencatat Parameter, Metrik, dan Artefak
- Membandingkan Proses di UI MLflow
- Autolog dengan Satu Baris Kode