Registre sua primeira versão do modelo
Envie um modelo treinado para o registro de modelos do MLflow.
Registre sua primeira versão do modelo é uma aula grátis de MLOps Academy no CoddyKit. Esta é a aula 1 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.
O que é um registro
Um registro de modelos é um catálogo central para seus modelos treinados. Em vez de arquivos espalhados pelos computadores, cada modelo fica em um único local com um número de versão. 📚
Execuções versus modelos registrados
Uma execução do MLflow registra uma tentativa de treinamento. Um modelo registrado é uma entrada nomeada que aponta para a melhor execução que você escolhe promover e manter.
Registre antes de cadastrar
Você sempre registra um modelo primeiro dentro de uma execução. O registro salva o artefato para que o catálogo tenha algo concreto para referenciar depois.
import mlflow
with mlflow.start_run():
mlflow.sklearn.log_model(model, "model")Cadastre em uma única chamada
O caminho mais rápido é usar o argumento registered_model_name. Passe-o para log_model, e o MLflow criará a entrada no catálogo e uma primeira versão para você.
mlflow.sklearn.log_model(
model, "model",
registered_model_name="churn-classifier")As versões começam em 1
Seu primeiro cadastro se torna a versão 1. Cada cadastro posterior com o mesmo nome incrementa a versão automaticamente, portanto o histórico nunca é sobrescrito.
Cadastre a partir de uma execução anterior
Já registrou um modelo? Você pode cadastrá-lo depois, apontando para o URI da execução com mlflow.register_model.
mlflow.register_model(
"runs:/<run_id>/model",
"churn-classifier")O URI das execuções
Esse URI runs:/ é a forma como o MLflow encontra o artefato. Ele combina o ID da execução e o caminho do artefato usado quando você registrou o modelo.
O URI de rastreamento
Defina o URI de rastreamento para que seu código se comunique com o servidor correto. Sem ele, o MLflow registra tudo em uma pasta mlruns local.
mlflow.set_tracking_uri(
"http://localhost:5000")Veja na interface
Abra a interface do MLflow e clique na aba Models. O nome do seu novo modelo aparecerá ali, com a versão 1 listada abaixo dele e pronta para ser examinada.
Nomes são identificadores
Escolha um nome claro e estável, como fraud-detector. Seus colegas e o código carregam os modelos por esse nome, portanto renomeá-lo depois quebra tudo o que aponta para ele.
Confirme com o cliente
O MlflowClient permite verificar o cadastro no código. Busque o modelo pelo nome e leia as versões existentes.
from mlflow import MlflowClient
c = MlflowClient()
print(c.get_registered_model("churn-classifier"))Verificação rápida
Vamos verificar como é numerado o primeiro cadastro.
Recapitulação
Você registrou um modelo, atribuiu a ele um nome no catálogo e obteve a versão 1. Agora seu melhor modelo tem um local que qualquer pessoa da equipe pode encontrar. 🎉
Perguntas Frequentes
A aula “Registre sua primeira versão do modelo” é grátis?
Sim — o texto completo de “Registre sua primeira versão do modelo” 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 “Registre sua primeira versão do modelo”?
Envie um modelo treinado para o registro de modelos do MLflow. 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 1 de 4.
Quanto tempo leva a aula “Registre sua primeira versão do modelo”?
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
- Registre sua primeira versão do modelo
- Estágios: Staging, Production, Archived
- Adicione etiquetas e descrições aos modelos
- Carregue um modelo pelo nome e pelo estágio