0Pricing
MLOps Academy · Aula

Defina um pipeline com estágios do DVC

Conecte as etapas em dvc.yaml com suas dependências.

Defina um pipeline com estágios do DVC é uma aula grátis de MLOps Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de MLOps Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de MLOps Academy inclui 4 aulas no total.

Partes desta aula ainda não foram traduzidas e aparecem em inglês.

Meet dvc.yaml

DVC describes your whole pipeline in one file called dvc.yaml. It lists each stage, the command it runs, and what it depends on. 📄

Add a Stage with dvc stage add

You rarely hand-write the file. The dvc stage add command builds a stage entry for you from flags you pass on the command line.

dvc stage add -n prep \
  -d data/raw.parquet -o data/prepared \
  python prep.py

The -d Flag Means Dependency

The -d flag declares a dependency: a file or script the stage reads. DVC watches these to know when the stage needs to re-run.

The -o Flag Means Output

The -o flag declares an output the stage produces. DVC tracks these files so later stages can depend on them in turn.

Wiring Stages Together

You connect stages by making one stage's output the next stage's dependency. That shared file is the link that forms the pipeline graph.

What a Stage Looks Like in YAML

Each stage in dvc.yaml has a cmd plus its deps and outs. This is the readable record of how your model was built.

stages:
  prep:
    cmd: python prep.py
    deps:
      - data/raw.parquet
    outs:
      - data/prepared

Run the Pipeline with dvc repro

The dvc repro command executes the pipeline in dependency order, running each stage only if its inputs changed.

dvc repro

DVC Builds the DAG for You

From the deps and outs, DVC infers the full DAG automatically. You never specify run order by hand; the graph decides it.

Visualize It with dvc dag

Run dvc dag to print the pipeline as a graph in your terminal. It is a quick way to confirm stages are wired the way you expect.

dvc dag

dvc.lock Records What Ran

After a run, DVC writes dvc.lock with the exact hashes of every input and output. Commit it so teammates reproduce the same result.

The Pipeline Lives in Git

dvc.yaml and dvc.lock are plain text, so they live in Git alongside your code. Your whole pipeline becomes versioned and reviewable.

Quick Check

Test your grasp of DVC stage flags.

Recap: Pipelines in dvc.yaml

You wired stages with deps and outs in dvc.yaml, then ran the graph with dvc repro. DVC tracks order and results for you. 🔗

Perguntas Frequentes

A aula “Defina um pipeline com estágios do DVC” é grátis?

Sim — o texto completo de “Defina um pipeline com estágios do DVC” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de MLOps Academy, atualize para CoddyKit PRO. O curso de MLOps Academy inclui 4 aulas no total.

O que vou aprender em “Defina um pipeline com estágios do DVC”?

Conecte as etapas em dvc.yaml com suas dependências. Você pratica MLOps Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar MLOps Academy?

Nenhuma experiência prévia é necessária. MLOps Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.

Quanto tempo leva a aula “Defina um pipeline com estágios do DVC”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de MLOps Academy?

Sim. Cada aula de MLOps Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

  1. Estágios: ingestão, preparação, treinamento, avaliação
  2. Defina um pipeline com estágios do DVC
  3. Armazene em cache e ignore etapas inalteradas
  4. Parametrize as execuções com params.yaml
← Voltar para MLOps Academy