MLOps Academy · Pelajaran

Serialisasi dengan Pickle dan Joblib

Simpan dan muat model sklearn dengan cara yang aman.

Pelajaran 1 dari 413 langkah

Serialisasi dengan Pickle dan Joblib adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 1 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.

Mengapa Model Harus Diserialisasi?

Model terlatih berada di memori dan menghilang saat skrip Anda berakhir. Serialisasi menyimpannya ke dalam berkas agar dapat dimuat kembali nanti. 💾

Kenali Pickle

Modul bawaan pickle Python mengubah hampir semua objek menjadi byte yang dapat disimpan di disk dan dibangun kembali nanti, persis seperti semula.

Buang Model ke Disk

Anda membuka berkas dalam mode penulisan biner dan memanggil pickle.dump untuk menulis model terlatih ke dalamnya.

import pickle
with open('model.pkl', 'wb') as f:
    pickle.dump(model, f)

Muat Kembali

Untuk memulihkan model, buka berkas dalam mode pembacaan biner dan panggil pickle.load. Anda mendapatkan kembali objek yang sama, siap melakukan prediksi.

with open('model.pkl', 'rb') as f:
    model = pickle.load(f)

Mengapa Joblib Ada

Scikit-learn menyimpan larik NumPy berukuran besar di dalam model. joblib menyimpan larik tersebut jauh lebih efisien daripada pickle biasa. 🚀

Simpan dengan Joblib

joblib menyediakan satu baris kode yang praktis: joblib.dump menerima objek dan nama berkas, tanpa memerlukan penangan berkas manual.

import joblib
joblib.dump(model, 'model.joblib')

Muat dengan Joblib

Pemuatan sama seperti penyimpanan. Panggil joblib.load dengan nama berkas yang sama, lalu Anda mendapatkan kembali estimator terlatih.

model = joblib.load('model.joblib')
model.predict(X_test)

Peringatan Penting tentang Pickle

Jangan pernah membatalkan serialisasi berkas dari sumber yang tidak tepercaya. pickle berbahaya dapat menjalankan kode apa pun saat Anda memuatnya. ⚠️

Versi Harus Cocok

Pickle bergantung pada versi pustaka. Memuat model dengan versi scikit-learn yang berbeda dapat menyebabkan kegagalan atau perilaku yang keliru tanpa disadari.

Tetapkan yang Anda Simpan

Selalu catat versi pustaka yang tepat di samping berkas. Menetapkan persyaratan Anda berarti model tersimpan akan dimuat dengan cara yang sama besok.

import sklearn
print(sklearn.__version__)

Pickle atau Joblib?

Untuk model scikit-learn, gunakan joblib; untuk objek Python kecil tanpa larik, pickle biasa sudah sangat memadai.

Pemeriksaan Singkat

Saatnya menguji hal yang telah Anda pelajari tentang serialisasi model.

Jawab di pelajaran interaktif

Rangkuman

Sekarang Anda dapat menyimpan dan memuat ulang model dengan pickle dan joblib, memilih joblib untuk sklearn, tidak pernah memuat berkas yang tidak tepercaya, serta menetapkan versinya. 🎉

Gratis untuk memulai

Belajar Python dengan tutor AI — gratis

Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.

Kursus: 30
Pelajaran: 120

Mulai belajar gratis Lihat kursus lengkapnya

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Serialisasi dengan Pickle dan Joblib” gratis?

Ya — teks lengkap “Serialisasi dengan Pickle dan Joblib” 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 “Serialisasi dengan Pickle dan Joblib”?

Simpan dan muat model sklearn dengan cara yang aman. 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 1 dari 4.

Berapa lama pelajaran “Serialisasi dengan Pickle dan Joblib” 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

← Kembali ke MLOps Academy