MLOps Academy · Aula

Registros estruturados para previsões

Registre entradas, saídas e latência como JSON.

Registros estruturados para previsões 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.

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

Why Log Predictions

Once your model serves real users, you cannot watch it by hand. Logging every prediction is how you see what it actually does in production. 📊

Plain Text Is Painful

A log line like "got request, returned 0.91" reads fine to you but is brutal to search at scale. Machines need structure, not prose.

Structured Logging

Structured logging means each log line is a small object of named fields, not a sentence. Tools can then filter, group, and aggregate them instantly.

JSON Is the Format

The common choice is one JSON object per line. Every field has a key, so log systems parse it the same way every time.

{"event": "prediction", "model": "churn-v3", "score": 0.91}

What to Log per Prediction

For each call, capture the inputs, the output, and how long it took. Together these let you debug, audit, and measure quality later.

Log the Latency

Always record latency in milliseconds. It is your earliest warning that a model or its server is starting to struggle.

import time
start = time.perf_counter()
score = model.predict(x)
latency_ms = (time.perf_counter() - start) * 1000

Add an ID to Trace It

Give every request a unique request_id. Later you can follow one prediction across logs, dashboards, and the eventual real outcome.

import uuid
request_id = str(uuid.uuid4())

Build the Log Record

Collect your fields into one dictionary. This single record becomes one searchable JSON line in your logs.

record = {
    "request_id": request_id,
    "model": "churn-v3",
    "score": score,
    "latency_ms": latency_ms,
}

Emit JSON with the Logger

Use Python's built-in logging module and dump the record as JSON. Never use print, which skips levels and timestamps.

import json, logging
log = logging.getLogger("predictions")
log.info(json.dumps(record))

Never Log Raw Secrets

Be careful what goes in. Skip passwords, tokens, and raw PII, or hash sensitive fields before they ever touch a log line. 🔒

Ship Logs Somewhere Central

Logs on one server vanish when it restarts. Forward them to a central store like Loki or CloudWatch so they outlive any single container.

Quick Check

You want prediction logs you can search and aggregate at scale. What format fits best?

Recap

You log every prediction as a structured JSON record with inputs, output, latency, and an id, then ship it somewhere central. That is your eyes in production. ✅

Perguntas Frequentes

A aula “Registros estruturados para previsões” é grátis?

Sim — o texto completo de “Registros estruturados para previsões” 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 “Registros estruturados para previsões”?

Registre entradas, saídas e latência como JSON. 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 “Registros estruturados para previsões”?

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

← Voltar para MLOps Academy