Serialize com Pickle e Joblib
Salve e carregue modelos do sklearn da maneira segura.
Serialize com Pickle e Joblib 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.
Por que serializar um modelo?
Um modelo treinado vive na memória e desaparece quando o script termina. A serialização salva o modelo em um arquivo para que você possa carregá-lo novamente mais tarde. 💾
Conheça o Pickle
O módulo integrado pickle do Python transforma quase qualquer objeto em bytes que podem ser armazenados no disco e reconstruídos depois, exatamente como eram.
Grave um modelo no disco
Você abre um arquivo no modo binário de escrita e chama pickle.dump para gravar nele o modelo treinado.
import pickle
with open('model.pkl', 'wb') as f:
pickle.dump(model, f)Carregue novamente
Para restaurar o modelo, abra o arquivo no modo binário de leitura e chame pickle.load. Você recupera o mesmo objeto, pronto para fazer previsões.
with open('model.pkl', 'rb') as f:
model = pickle.load(f)Por que o Joblib existe
O Scikit-learn armazena grandes matrizes NumPy dentro dos modelos. O joblib armazena essas matrizes com muito mais eficiência do que o pickle simples. 🚀
Salve com Joblib
O joblib oferece uma chamada simples em uma linha: joblib.dump recebe o objeto e um nome de arquivo, sem exigir um manipulador de arquivo manual.
import joblib
joblib.dump(model, 'model.joblib')Carregue com Joblib
O carregamento é semelhante ao salvamento. Chame joblib.load com o mesmo nome de arquivo para recuperar o estimador treinado.
model = joblib.load('model.joblib')
model.predict(X_test)O grande alerta do Pickle
Nunca desserialize um arquivo de uma fonte não confiável. Um pickle malicioso pode executar código arbitrário no momento em que você o carrega. ⚠️
As versões devem ser compatíveis
Um pickle depende das versões das bibliotecas. Carregar um modelo com uma versão diferente do scikit-learn pode causar falhas ou comportamento incorreto silencioso.
Fixe o que você salvou
Registre sempre as versões exatas das bibliotecas junto ao arquivo. Fixar seus requisitos significa que o modelo salvo será carregado da mesma forma amanhã.
import sklearn
print(sklearn.__version__)Pickle ou Joblib?
Para modelos do scikit-learn, prefira o joblib; para objetos Python pequenos e sem matrizes, o pickle simples é perfeitamente adequado.
Verificação rápida
É hora de testar o que você aprendeu sobre a serialização de modelos.
Recapitulação
Agora você pode salvar e recarregar modelos com pickle e joblib, preferir joblib para sklearn, nunca carregar arquivos não confiáveis e fixar as versões. 🎉
Aprenda Python com um tutor de IA — grátis
Escreva e execute código real no seu navegador, obtenha ajuda instantânea de um tutor de IA 24/7 e continue de onde parou na web ou no app.
- Cursos
- 30
- Aulas
- 120
Perguntas Frequentes
A aula “Serialize com Pickle e Joblib” é grátis?
Sim — o texto completo de “Serialize com Pickle e Joblib” 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 “Serialize com Pickle e Joblib”?
Salve e carregue modelos do sklearn da maneira segura. 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 “Serialize com Pickle e Joblib”?
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
- Serialize com Pickle e Joblib
- O formato de modelo do MLflow
- Exporte para ONNX para obter portabilidade
- Defina a assinatura e o esquema de um modelo