MLOps Academy · leksjon

Spor data-til-modell-linjeage

Knytt en distribuert modell tilbake til de nøyaktige dataene og koden.

Leksjon 1 av 413 trinn

Spor data-til-modell-linjeage er en gratis leksjon i MLOps Academy på CoddyKit. Dette er leksjon 1 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i MLOps Academy, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i MLOps Academy inneholder totalt 4 leksjoner.

Hva lineage betyr

Lineage er den dokumenterte kjeden som knytter en utrullet modell tilbake til de nøyaktige dataene, koden og konfigurasjonen som produserte den. 🔗

Hvorfor De trenger det

Når noen stiller spørsmål ved en prediksjon, lar lineage Dem svare på ett vanskelig spørsmål: Hvilke data og hvilken kodeversjon opprettet denne modellen?

De tre inndataene som skal følges

Alle trente modeller har tre opphav som er verdt å følge: datasettversjonen, treningskode-innsjekkingen og kjøreparameterne.

Fest kode-innsjekkingen

Logg den nøyaktige Git-innsjekkingshashen for hver kjøring, slik at De alltid vet hvilken kode som trente modellen.

import subprocess
commit = subprocess.check_output(["git", "rev-parse", "HEAD"]).decode().strip()
mlflow.set_tag("git_commit", commit)

Fest dataversjonen

Registrer også dataversjonen. Med DVC ligger datahashen i Git, så innsjekkingen peker allerede på én nøyaktig tilstand for datasettet.

MLflow lagrer koblingen

MLflow lagrer parametere, målinger og tagger per kjøring, slik at en logget modell allerede inneholder pekere til hvordan den ble bygget. 🧾

mlflow.log_param("data_path", "data/train.csv")
mlflow.log_metric("f1", 0.91)
mlflow.sklearn.log_model(model, "model")

Merk kjøringen grundig

Tagger er gratis metadata. Legg ved datasett-hashen, miljønavnet og forfatteren, slik at kjøringen forteller sin egen historie senere.

mlflow.set_tag("dataset_hash", "a1b2c3")
mlflow.set_tag("author", "team-fraud")

Lineage er en graf

Se for Dem lineage som en graf: datanoder flyter inn i en treningskjøring, som flyter inn i en modell, som igjen flyter inn i en utrulling.

Spor fremover og bakover

God lineage fungerer begge veier. Bakover svarer på hva som bygde denne modellen; fremover svarer på hvilke modeller et datasett påvirket.

Les lineage fra en kjøring

De kan hente en tidligere kjøring etter ID og lese taggene for å rekonstruere nøyaktig hvilke data og hvilken innsjekking som produserte modellen.

run = mlflow.get_run(run_id)
print(run.data.tags["git_commit"])
print(run.data.tags["dataset_hash"])

Verktøy som gjør dette

MLflow, DVC og dedikerte verktøy som OpenLineage registrerer disse koblingene automatisk, slik at De slipper å sette sammen lineage manuelt.

Hurtigsjekk

Test forståelsen Deres av hva lineage faktisk knytter sammen.

Besvar den i den interaktive leksjonen

Oppsummering

De har lært at lineage knytter en modell til dataene, koden og parameterne, registrert som tagger på en kjøring slik at alle modeller kan spores fullstendig. ✅

Gratis å komme i gang

Lær deg Python med en AI-veileder – gratis

Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.

Kurs: 30
Leksjoner: 120

Start læringen gratis Se hele kurset

Ofte stilte spørsmål

Er leksjonen «Spor data-til-modell-linjeage» gratis?

Ja – hele teksten i «Spor data-til-modell-linjeage» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av MLOps Academy-kurset, kan du oppgradere til CoddyKit PRO. Kurset i MLOps Academy inneholder totalt 4 leksjoner.

Hva lærer jeg i «Spor data-til-modell-linjeage»?

Knytt en distribuert modell tilbake til de nøyaktige dataene og koden. Du øver på MLOps Academy med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.

Trenger jeg erfaring for å begynne med MLOps Academy?

Ingen tidligere erfaring er nødvendig. MLOps Academy på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 1 av 4.

Hvor lang tid tar leksjonen «Spor data-til-modell-linjeage»?

De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.

Kan jeg skrive og kjøre kode i denne MLOps Academy-leksjonen?

Ja. Alle MLOps Academy-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.

Alle leksjonene i dette kurset

← Tilbake til MLOps Academy