Orchestrare il riaddestramento con Airflow
Crei un DAG che riaddestra e convalida un modello.
Orchestrare il riaddestramento con Airflow è una lezione MLOps Academy gratuita su CoddyKit. Questa è la lezione 2 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento MLOps Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso MLOps Academy include 4 lezioni in totale.
Perché usare un orchestratore
Il retraining comprende molti passaggi che devono essere eseguiti in ordine e recuperare dagli errori. Un orchestratore come Airflow li esegue in modo affidabile, evitando di dover controllare continuamente gli script.
Airflow in una riga
Apache Airflow pianifica ed esegue workflow definiti come codice Python. Si descrive che cosa fare, mentre Airflow gestisce quando e in quale ordine farlo.
Il DAG
Un workflow Airflow è un DAG, cioè un grafo diretto aciclico di task. Aciclico significa che non torna mai indietro formando un ciclo, quindi l’esecuzione ha sempre una fine chiara.
I task sono i nodi
Ogni passaggio, come ingest, train o validate, è un task nel DAG. I task sono le unità che Airflow esegue, ritenta e monitora.
Definire un DAG nel codice
Si dichiarano un DAG e la relativa pianificazione direttamente in Python. Qui il decoratore @dag imposta una frequenza giornaliera per il retraining.
from airflow.decorators import dag
@dag(schedule="@daily", catchup=False)
def retrain_pipeline():
...Collegare le dipendenze
L’operatore freccia stabilisce l’ordine tra i task. Questo indica che ingest deve terminare prima di train e train prima di validate.
ingest() >> train() >> validate()Gli operator eseguono il lavoro
Un operator è un modello per un tipo di task, come l’esecuzione di Python o di un comando Bash. PythonOperator esegue la funzione di training.
Retry integrati
Impostando retries su un task, Airflow lo esegue nuovamente in automatico se non riesce. Un recupero dati instabile non interrompe più l’intera pipeline.
train_task = PythonOperator(
task_id="train",
retries=3,
)Osservarlo nell’interfaccia
Airflow include un’interfaccia web che mostra ogni esecuzione in una griglia colorata. Il verde indica il successo, il rosso il fallimento: così si individua subito un task non riuscito.
Pianificare o attivare
Un DAG può essere eseguito secondo la propria pianificazione oppure avviato su richiesta. In questo modo la stessa pipeline supporta sia il retraining basato su cron sia quello attivato dal drift.
Task idempotenti
Progetti ogni task in modo che sia sicuro rieseguirlo e produca lo stesso risultato. I task idempotenti rendono semplici retry e backfill.
Verifica rapida
Che cosa fa l’operatore >> tra due task Airflow?
Riepilogo
Ha conosciuto Airflow: i workflow sono DAG di task collegati con >>, dotati di retry e monitorati nell’interfaccia. Trasforma gli script di retraining in una pipeline affidabile. ✅
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «Orchestrare il riaddestramento con Airflow» è gratuita?
Sì — il testo completo di «Orchestrare il riaddestramento con Airflow» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso MLOps Academy, passa a CoddyKit PRO. Il corso MLOps Academy include 4 lezioni in totale.
Cosa imparerò in «Orchestrare il riaddestramento con Airflow»?
Crei un DAG che riaddestra e convalida un modello. Eserciti MLOps Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare MLOps Academy?
Non è richiesta alcuna esperienza precedente. MLOps Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 2 di 4.
Quanto tempo richiede la lezione «Orchestrare il riaddestramento con Airflow»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione MLOps Academy?
Sì. Ogni lezione MLOps Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Riaddestramento pianificato o basato su trigger
- Orchestrare il riaddestramento con Airflow
- Promuovere automaticamente solo se supera la baseline
- Mantenere una persona nel ciclo decisionale