MLOps Academy · Ders

MLflow Model Türü

Modelleri bağımlılıkları ve imzalarıyla birlikte paketleyin.

MLflow Model Türü, CoddyKit'te ücretsiz bir MLOps Academy dersidir. Bu, 4 dersinin 2. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, MLOps Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. MLOps Academy kursu toplamda 4 dersten oluşur.

Bu dersin bazı bölümleri henüz çevrilmemiş olup İngilizce olarak gösterilmektedir.

Beyond a Raw File

A bare pickle is just bytes. MLflow wraps your model in a self-describing folder so anyone can load it without guessing how. 📦

What Is a Flavor?

An MLflow flavor is a known format, like sklearn or pytorch, that tells MLflow exactly how to save and load that model.

One Model, Many Flavors

A single saved model can carry several flavors. That lets different tools load it their own way from the same artifact.

Save with a Flavor

Use the matching module to log a model. For scikit-learn you call mlflow.sklearn.log_model inside a run.

import mlflow.sklearn
mlflow.sklearn.log_model(model, name='model')

The MLmodel File

Every saved model has an MLmodel YAML file listing its flavors, signature, and how to reload it. It is the model's ID card.

Dependencies Travel Too

MLflow records the libraries your model needs in a conda.yaml or requirements file, so the same environment can be rebuilt later.

The pyfunc Flavor

Most models also get the universal pyfunc flavor. It exposes one simple predict call, no matter the framework underneath. 🔑

Load as pyfunc

Loading via pyfunc gives you a generic object with predict, so your serving code stays the same across frameworks.

import mlflow.pyfunc
m = mlflow.pyfunc.load_model('runs:/<id>/model')
m.predict(X)

Load Back Native

You can also reload in the original framework with the matching loader, getting the full native object instead of the generic wrapper.

model = mlflow.sklearn.load_model('runs:/<id>/model')

Custom pyfunc Models

No built-in flavor fits? Subclass PythonModel and write your own predict to wrap any logic into the pyfunc format.

class MyModel(mlflow.pyfunc.PythonModel):
    def predict(self, ctx, X):
        return self.run(X)

Why It Matters

Flavors make a model truly portable: training, registry, and serving all speak the same format without bespoke glue code.

Quick Check

Let's check your grasp of MLflow flavors.

Recap

An MLflow model is a self-describing folder with flavors, an MLmodel file, and pinned deps, loadable natively or as universal pyfunc. 🎉

Sıkça Sorulan Sorular

“MLflow Model Türü” dersi ücretsiz mi?

Evet — “MLflow Model Türü” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve MLOps Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. MLOps Academy kursu toplamda 4 dersten oluşur.

“MLflow Model Türü” dersinde ne öğreneceğim?

Modelleri bağımlılıkları ve imzalarıyla birlikte paketleyin. MLOps Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

MLOps Academy öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te MLOps Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 2. dersidir.

“MLflow Model Türü” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu MLOps Academy dersinde kod yazıp çalıştırabilir miyim?

Evet. Her MLOps Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

← MLOps Academy Sayfasına Dön