첫 모델 버전 등록하기
학습한 모델을 MLflow Model Registry에 푸시하세요.
첫 모델 버전 등록하기은(는) CoddyKit의 무료 MLOps Academy 강의입니다. 이것은 4개 중 1번째 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.
What a Registry Is
A model registry is a central catalog for your trained models. Instead of files scattered on laptops, every model lives in one place with a version number. 📚
Runs vs Registered Models
An MLflow run records one training attempt. A registered model is a named entry that points at the best run you choose to promote and keep.
Log Before You Register
You always log a model first inside a run. Logging saves the artifact so the registry has something concrete to point back at later.
import mlflow
with mlflow.start_run():
mlflow.sklearn.log_model(model, "model")Register in One Call
The fastest path is the registered_model_name argument. Pass it to log_model and MLflow creates the registry entry and a first version for you.
mlflow.sklearn.log_model(
model, "model",
registered_model_name="churn-classifier")Versions Start at 1
Your first registration becomes version 1. Every later registration under the same name bumps the version automatically, so history is never overwritten.
Register From a Past Run
Already logged a model? You can register it after the fact by pointing at its run URI with mlflow.register_model.
mlflow.register_model(
"runs:/<run_id>/model",
"churn-classifier")The runs URI
That runs:/ URI is how MLflow finds the artifact. It combines the run id and the artifact path you used when you logged the model.
The Tracking URI
Set the tracking URI so your code talks to the right server. Without it, MLflow registers everything to a local mlruns folder instead.
mlflow.set_tracking_uri(
"http://localhost:5000")See It in the UI
Open the MLflow UI and click the Models tab. Your new model name appears there with version 1 listed under it, ready to inspect.
Names Are Identifiers
Pick a clear, stable name like fraud-detector. Teammates and code load models by that name, so renaming later breaks everything pointing at it.
Confirm With the Client
The MlflowClient lets you verify registration in code. Fetch the model by name and read back the versions that exist.
from mlflow import MlflowClient
c = MlflowClient()
print(c.get_registered_model("churn-classifier"))Quick Check
Let us check how a first registration is numbered.
Recap
You logged a model, gave it a registry name, and got version 1. Now your best model has a home that anyone on the team can find. 🎉
자주 묻는 질문
“첫 모델 버전 등록하기” 강의는 무료인가요?
네 — “첫 모델 버전 등록하기” 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.
“첫 모델 버전 등록하기”에서 뭘 배우나요?
학습한 모델을 MLflow Model Registry에 푸시하세요. 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 1번째 강의입니다.
“첫 모델 버전 등록하기” 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.