Rastreie a linhagem dos dados ao modelo
Relacione um modelo implantado aos dados e ao código exatos que o originaram.
Rastreie a linhagem dos dados ao 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 significa linhagem
Linhagem é a cadeia documentada que conecta um modelo implantado aos dados, ao código e à configuração exatos que o produziram. 🔗
Por que você precisa dela
Quando uma previsão é questionada, a linhagem permite responder a uma pergunta difícil: quais dados e qual versão do código criaram este modelo?
As três entradas a acompanhar
Todo modelo treinado tem três elementos de origem que vale a pena acompanhar: a versão do conjunto de dados, o commit do código de treinamento e os parâmetros da execução.
Fixe o commit do código
Registre o hash do commit exato do Git em cada execução para saber sempre qual código treinou o modelo.
import subprocess
commit = subprocess.check_output(["git", "rev-parse", "HEAD"]).decode().strip()
mlflow.set_tag("git_commit", commit)Fixe a versão dos dados
Registre também a versão dos dados. Com DVC, o hash dos dados fica no Git, então o commit já aponta para um estado exato do conjunto de dados.
O MLflow armazena o vínculo
O MLflow salva parâmetros, métricas e etiquetas por execução; assim, um modelo registrado já contém referências a como foi construído. 🧾
mlflow.log_param("data_path", "data/train.csv")
mlflow.log_metric("f1", 0.91)
mlflow.sklearn.log_model(model, "model")Adicione muitas etiquetas à execução
As etiquetas são metadados gratuitos. Anexe o hash do conjunto de dados, o nome do ambiente e o autor para que a execução conte sua própria história mais tarde.
mlflow.set_tag("dataset_hash", "a1b2c3")
mlflow.set_tag("author", "team-fraud")A linhagem é um grafo
Imagine a linhagem como um grafo: os nós de dados alimentam uma execução de treinamento, que alimenta um modelo, que alimenta uma implantação.
Rastreie para frente e para trás
Uma boa linhagem funciona nos dois sentidos. A visão para trás responde o que construiu este modelo; a visão para frente responde quais modelos foram afetados por um conjunto de dados.
Leia a linhagem a partir de uma execução
Você pode buscar uma execução anterior pelo ID e ler suas etiquetas para reconstruir exatamente quais dados e commit produziram o modelo.
run = mlflow.get_run(run_id)
print(run.data.tags["git_commit"])
print(run.data.tags["dataset_hash"])Ferramentas que fazem isso
MLflow, DVC e ferramentas específicas como OpenLineage capturam esses vínculos automaticamente, para que você não precise montar a linhagem manualmente.
Verificação rápida
Teste sua compreensão do que a linhagem realmente conecta.
Recapitulação
Você aprendeu que a linhagem conecta um modelo aos seus dados, código e parâmetros, registrados como etiquetas em uma execução para que qualquer modelo seja totalmente rastreável. ✅
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 “Rastreie a linhagem dos dados ao modelo” é grátis?
Sim — o texto completo de “Rastreie a linhagem dos dados ao 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 “Rastreie a linhagem dos dados ao modelo”?
Relacione um modelo implantado aos dados e ao código exatos que o originaram. 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 “Rastreie a linhagem dos dados ao 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
- Rastreie a linhagem dos dados ao modelo
- Escreva cartões de modelo
- Trilhas de auditoria e reprodutibilidade
- Controle de acesso e conformidade