MLOps Academy · Урок

Обучение и запись в реестр

Запустите обучение и зарегистрируйте полученную модель

«Обучение и запись в реестр» — бесплатный урок MLOps Academy на CoddyKit. Это урок 1 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения MLOps Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс MLOps Academy содержит 4 уроков всего.

Части этого урока еще не переведены и отображаются на английском.

One Run, Fully Captured

This lesson ties training and the registry together. You train a model, then push it into the MLflow Model Registry so it becomes a versioned, reusable artifact. 🚀

Start a Tracking Run

Wrap your training in mlflow.start_run(). Everything you log inside that block belongs to one run, with its own id and timestamp.

import mlflow

with mlflow.start_run() as run:
    # train and log here
    print(run.info.run_id)

Train Your Model

Inside the run, fit your estimator like normal. The training code does not change just because MLflow is watching.

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)

Log the Parameters

Record the choices you made with log_param. Months later, this is how you remember exactly which settings produced this model.

mlflow.log_param("n_estimators", 100)
mlflow.log_param("max_depth", None)

Log the Metrics

Capture how well it did with log_metric. Metrics are the numbers you will sort by when comparing runs later.

acc = model.score(X_test, y_test)
mlflow.log_metric("accuracy", acc)

Log the Model Artifact

Use mlflow.sklearn.log_model to save the fitted model into the run. MLflow stores the weights, flavor, and environment together.

mlflow.sklearn.log_model(
    sk_model=model,
    name="model",
)

Register While Logging

Pass registered_model_name and MLflow logs the model and registers a new version in one step. This is the cleanest path.

mlflow.sklearn.log_model(
    sk_model=model,
    name="model",
    registered_model_name="churn-classifier",
)

Register After the Fact

Already logged a model? Call register_model with the run URI to add it to the registry without retraining anything.

uri = "runs:/<run_id>/model"
mlflow.register_model(uri, "churn-classifier")

Versions Auto-Increment

Register the same name again and you get version 2, then 3, and so on. The registry keeps every version, never overwriting an old one.

Quick Check

You log a model under a name that already exists. What happens?

The Run, Confirmed

After the block exits, the run is marked FINISHED. Your params, metrics, and registered model version are now permanently linked.

Find It in the UI

Open the MLflow UI and your run appears under its experiment, with the new model version listed in the Models tab. Nothing is lost.

Recap: Train, Log, Register

You trained inside a run, logged params and metrics, saved the model, and registered a version. Train, log, register: that is the start of a real pipeline. ✅

Часто задаваемые вопросы

Урок «Обучение и запись в реестр» бесплатный?

Да — полный текст урока «Обучение и запись в реестр» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс MLOps Academy, подпишись на CoddyKit PRO. Курс MLOps Academy содержит 4 уроков всего.

Чему я научусь в уроке «Обучение и запись в реестр»?

Запустите обучение и зарегистрируйте полученную модель Ты практикуешь MLOps Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать MLOps Academy?

Предыдущий опыт не требуется. MLOps Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 1 из 4.

Сколько времени занимает урок «Обучение и запись в реестр»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке MLOps Academy?

Да. Каждый урок MLOps Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

← Назад к MLOps Academy