<aside> 💡 **실습 목표

1. MLFlow 와 Feast 를 이용한 ElasticNet 훈련 코드 생성
2. MLFlow 와 Feast 를 이용한 예측 코드 생성**

</aside>

MLFlow 와 Feast 를 이용한 ElasticNet 훈련 코드 생성

• 사전 작업

  • feature_repo/example.py 에 아래 코드 추가

    from feast import FeatureService
    driver_fs = FeatureService(name="driver_ranking_fv_svc",
                               features=[driver_hourly_stats_view],
                               tags={"description": "Used for training an ElasticNet model"})
    

  • Terminal 에서 아래 실행

    cd /home/jovyan/feature_repo
    rm -rf .ipynb_checkpoints/
    feast apply
    

• MLFlow 적용 전 모델 학습 코드 작성 해보기

  • Jupyter Server 에 새 폴더 (/home/jovyan/jupyter/ml_project_1) 생성하여 작업
  • /home/jovyan/jupyter/ml_project_1/data 생성
  • 학습 데이터 추출을 위한 Query data 생성 (driver_orders.csv)
  • DriverRankingTrainModel 클래스 생성
  • 실행 메인코드 작성

• MLFlow 적용하여 모델 학습 코드 수정 해보기

  • import mlflow 추가
  • set_tracking_uri, sklearn.autolog 추가
  • start_run, log_dict, log_model 추가

MLFlow 와 Feast 를 이용한 예측 코드 생성

• MLFlow 저장된 모델로 예측하는 코드 작성 해보기

  • 저장된 모든 모델 검색 예제
  • 특정 이름의 모델 검색 예제
  • 모델 불러오기 예제
  • DriverRankingPredictModel 클래스 생성
  • 실행 메인코드 작성

• 모델 Stage 변경하기

  from mlflow.tracking import MlflowClient
  client = MlflowClient()
  client.transition_model_version_stage(
      name="sk-learn-elasticnet-model",
      version=3,
      stage="Production"
  )