MLOps Academy · 강의

params.yaml로 실행 매개변수화하기

코드를 수정하지 않고 하이퍼파라미터를 바꿔 가며 실행하세요.

params.yaml로 실행 매개변수화하기은(는) CoddyKit의 무료 MLOps Academy 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 MLOps Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. MLOps Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.

Stop Editing Code to Tune

Changing a learning rate by editing train.py is messy and hard to track. DVC reads settings from a file called params.yaml instead. 🎛️

What params.yaml Holds

The params.yaml file is plain YAML holding your hyperparameters, grouped by stage. It becomes the single place to change run settings.

train:
  learning_rate: 0.01
  epochs: 20
prep:
  test_size: 0.2

Declare Params in a Stage

Tell a stage which params it uses with the -p flag. DVC then watches those values for changes, just like file dependencies.

dvc stage add -n train \
  -p train.learning_rate,train.epochs \
  -d data/prepared python train.py

Read Params in Python

In your script, load the YAML and pull the values you need. The code stays generic while the numbers live in params.yaml.

import yaml
p = yaml.safe_load(open("params.yaml"))
lr = p["train"]["learning_rate"]

Change a Value, Re-Run

Edit a param and run dvc repro. DVC sees the value changed and re-runs only the stages that declared that param.

Override Params from the CLI

You can override a value for one run without editing the file using dvc exp run --set-param. Great for quick what-if checks.

dvc exp run --set-param train.epochs=50

Sweep with Experiments

DVC experiments let you queue many param combinations at once, so you can sweep a grid of values without touching code.

dvc exp run --set-param train.learning_rate=0.001
dvc exp run --set-param train.learning_rate=0.1

Compare Runs in a Table

Run dvc exp show to see every experiment's params and metrics side by side. Spotting the best combination becomes a glance.

dvc exp show

Pair Params with Metrics

Declare your output scores as metrics so DVC links each param set to its result. Tuning then becomes a clear cause-and-effect.

Params Live in Git Too

Because params.yaml is text, every tuning change is captured in Git history. You always know which settings produced which model.

Reproducible Sweeps

With params in a file and outputs as metrics, anyone can rerun your exact sweep and get the same numbers. That is real reproducibility.

Quick Check

Recall how params drive re-runs.

Recap: Parameterized Runs

You moved settings into params.yaml, declared them per stage, and swept values with experiments. Tuning is now code-free and reproducible. 🧪

자주 묻는 질문

“params.yaml로 실행 매개변수화하기” 강의는 무료인가요?

네 — “params.yaml로 실행 매개변수화하기” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 MLOps Academy 강의 전체를 잠금 해제할 수 있습니다. MLOps Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“params.yaml로 실행 매개변수화하기”에서 뭘 배우나요?

코드를 수정하지 않고 하이퍼파라미터를 바꿔 가며 실행하세요. 브라우저에서 직접 실행하는 실습 코드로 MLOps Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

MLOps Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 MLOps Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.

“params.yaml로 실행 매개변수화하기” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 MLOps Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 MLOps Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← MLOps Academy(으)로 돌아가기