O que é um registo de modelos e que ferramentas utilizou (MLflow, W&B)?

O registo de modelos é um armazenamento centralizado e um sistema de gestão de versões de modelos de aprendizagem automática. Permite rastrear, armazenar, comparar e implementar modelos, garantindo o controlo sobre o ciclo de vida dos modelos.

Principais funções do registo de modelos:

• Armazenamento de modelos com metadados (versão, parâmetros, métricas).
• Gestão de versões de modelos.
• Capacidade de alterar o estado do modelo (por exemplo, staging, produção).
• Integração com pipelines CI/CD para implementação automática.

Ferramentas frequentemente utilizadas:

• MLflow Model Registry — parte do MLflow, fornece armazenamento de modelos, gestão de versões e transições entre fases.
• Weights & Biases (W&B) — plataforma para rastrear experimentos e gerir modelos, incluindo registo de modelos com visualização de métricas e versões.

Exemplo de uso do MLflow para registar um modelo:

import mlflow
import mlflow.sklearn

with mlflow.start_run():
    model = train_model()
    mlflow.sklearn.log_model(model, "model")
    mlflow.log_metric("accuracy", accuracy)
    mlflow.register_model("runs:/<run_id>/model", "MyModel")

Assim, o registo de modelos ajuda a organizar o trabalho com modelos, facilitando a sua reutilização e implementação.