패스트캠퍼스 챌린지 42일차

Feast 와 MLFlow 를 활용한 머신러닝 프로젝트 적용

1.MLFlow 와 Feast 를 이용한 ElasticNet 훈련 코드 생성

2.MLFlow 와 Feast 를 이용한 예측 코드 생성

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)

import numpy as np
import pandas as pd

minio_uri = "http://172.17.0.3:9000"
bucket_name = "feast-example"
fname = "driver_stats.parquet"
store_data = pd.read_parquet(f"{minio_uri}/{bucket_name}/{fname}")
query_data = store_data.sample(n=10)[["event_timestamp","driver_id"]]
query_data['trip_completed'] = np.random.randint(0, 2, query_data.shape[0])
query_data.to_csv('/home/jovyan/jupyter/ml_project_1/data/driver_orders.csv', sep="\t", index=False)

#직장인인강 #직장인자기계발 #패스트캠퍼스후기#온라인패키지:머신러닝서비스구축을위한실전MLOps#머신러닝서비스구축을위한실전MLOps온라인패키지Online.
https://bit.ly/37BpXiC

패스트캠퍼스 [직장인 실무교육]

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.