Jak uprodukcyjnić model Machine Learning?

Wyobraź sobie, że chcesz przewidywać np. zdolność kredytową klientów – najlepiej w czasie rzeczywistym. Co więcej, posiadasz już model predykcyjny napisany w Pythonie, R, czy Groovy. Pozostaje ostatnia kwestia – jak uprodukcyjnisz model Machine Learning?

Umieść skrypt w Pythonie jako Web Service

Czeka Cię szybki, prosty i przyjemny proces, a kluczem do niego jest odpowiednie narzędzie. Twój model umieść w silniku MLOps (np. tu, w Scoring.One), który jest w stanie przetworzyć tysiące zapytań dla różnych modeli predykcyjnych w tym samym czasie.

Potrzebujesz pliku .zip, a w nim:

1. plik .pkl – zawierający model (zserializowany przy użyciu np. pakietu .pickle lub .dill).
2. plik .csv – określający zmienne wejściowe modelu.
3. plik .py zawierający kod scoringowy.

Pliki spakuj do archiwum .zip. – gratulacje, najtrudniejsze za Tobą! 🙂

Aby wspólnie wykonać ćwiczenie, sprawdź darmową wersję Scoring.One, możesz także zajrzeć do dokumentacji.

Przykładowy ZIP pobierz stąd. Znajdziesz w nim skrypt model_training.py, który zbuduje przykładowy model predykcyjny oraz skrypt scoring_one_model_deployment.py, który pozwoli na wdrożenie modelu za pomocą API. Niezbędnym jest wskazanie API_KEY, który znajdziesz w User Settings -> Authentication Token. Możesz również wdrożyć model z poziomu interfejsu użytkownika, który opisany jest poniżej.

Czas na przyjemności, czyli zastosowanie modelu Machine Learning

Wejdź w zakładkę „Scoring Code Management” i wybierz opcję dodania nowego kodu (Scoring codes actions -> Upload new model).

Następnie nazwij swój kod (Scoring code name), wybierz typ (Python) i upuść utworzony wcześniej plik .zip w wyznaczone miejsce.

Stwórz scenariusz scoringowy w Scoring.One

Gdy zapiszesz kod, czas na Twój scenariusz. W panelu z lewej strony wybierz utworzenie nowego. Zacznij od kafelka „Start”, przeciągając go na środek ekranu (metod drag&drop). W sekcji Input Variables zdefiniuj zmienne wejściowe, czy są wymagane, ich nazwę oraz typ. Opcjonalnie można napisać krótki opis. Kliknij “Save”.

Then place the „Scoring Code” tile and the „End” tile in the space provided. Combine the items in the order you placed them.

Następnie w wyznaczonym miejscu umieść kafelek „Scoring Code” oraz „End”. Połącz pozycje w tej kolejności, w jakiej były przez Ciebie umieszczane.

Teraz kliknij na „Scoring Code” i wybierz wcześniej wgrany kod – właśnie stąd zaimportujesz także zmienne. Kliknij „Save”. Dzięki temu dane przetworzą się, a w pozycji „End” możesz wybrać zmienne zwracane jako wynik scenariusza.

Kliknij „Deploy”. Twój scenariusz jest gotowy, co powiesz na przetestowanie go?

Test modelu Machine Learning

Test będzie równie szybki, co przeciągnięcie i kliknięcie w kafelki. Wybierz „Forms”, znajdź scenariusz i uzupełnij dane. W efekcie otrzymasz ocenę scoringową, będzie zapisana jako zmienna result. I już, model odpytany!

Twój model został uprodukcyjniony i sprawdzony, zatem śmiało rozpoczynaj ocenę klienta. Pamiętaj jednak, że Scoring.One możesz wykorzystać także w celu kategoryzowania otrzymanych wyników – i ten proces omówimy w następnym wpisie.