Skip to content

Latest commit

 

History

History
31 lines (22 loc) · 2.57 KB

README.md

File metadata and controls

31 lines (22 loc) · 2.57 KB

Домашняя работа к занятию “MLOps/DataOps”

Цель задания

На основе полученных знаний необходимо настроить окружение и провести обучение модели.

Задание:

  1. Устанавливаем и настраиваем conda
  2. Устанавливаем и настраиваем python3
  3. Устанавливаем и настраиваем mlflow
  4. Настраиваем переменные: export MLFLOW_TRACKING_URI=http://localhost export MLFLOW_S3_ENDPOINT_URL=http://localhost:9000
  5. Настраиваем MinIO
  6. Берём модель отсюда https://github.com/sachua/mlflow-docker-compose
  7. Проводим её обучение: mlflow models serve -m S3://mlflow/0/98bdf6ec158145908af39f86156c347f/artifacts/model -p 1234

Домашнее задание выполните в файле readme.md в github репозитории.

Результат:

В личном кабинете отправьте на проверку ссылку на .md-файл в вашем репозитории. Приложите:

  • Показать рабочую модель через curl -X POST -H "Content-Type:application/json; format=pandas-split" --data '{"columns":["alcohol", "chlorides", "citric acid", "density", "fixed acidity", "free sulfur dioxide", "pH", "residual sugar", "sulphates", "total sulfur dioxide", "volatile acidity"],"data":[[12.8, 0.029, 0.48, 0.98, 6.2, 29, 3.33, 1.2, 0.39, 75, 0.66]]}' http://127.0.0.1:1234/invocations

Также вы можете выполнить задание в Google Docs и отправить в личном кабинете на проверку ссылку на ваш документ. Название файла Google Docs должно содержать номер лекции и фамилию студента. Пример названия: "1.2. Docker — Товаркин Мананаж" Перед тем как выслать ссылку, убедитесь, что ее содержимое не является приватным (открыто на комментирование всем, у кого есть ссылка). Если необходимо прикрепить дополнительные ссылки, просто добавьте их в свой Google Docs.

Инструменты:

Образ для работы - https://github.com/sachua/mlflow-docker-compose

Любые вопросы по решению задач задавайте в чате Slack.