Modelagem e Monitoramento de Modelos de Machine Learning

Este repositório contém implementações de dois desafios relacionados à modelagem e monitoramento de modelos de Machine Learning:

1. Seleção do Melhor Modelo

O primeiro desafio envolve a associação correta das métricas de avaliação de modelos aos seus significados. O script selecao_modelo.py recebe como entrada o nome de uma métrica e retorna sua descrição.

Métricas suportadas:

• Acurácia
• Precisão
• Recall
• F1-Score

Exemplo de uso:

> python selecao_modelo.py
Acurácia
Percentual de previsões corretas sobre o total de previsões

2. Monitoramento com MLflow

O segundo desafio envolve a associação correta dos componentes do MLflow às suas funções. O script monitoramento_mlflow.py recebe como entrada o nome de um componente e retorna sua descrição.

Componentes suportados:

• MLflow Tracking
• MLflow Projects
• MLflow Models
• MLflow Registry

Exemplo de uso:

> python monitoramento_mlflow.py
MLflow Tracking
Rastreamento de experimentos e métricas de modelos

Execução

Para executar os scripts, basta usar o interpretador Python seguido do nome do arquivo:

python selecao_modelo.py
python monitoramento_mlflow.py

Em seguida, digite o nome da métrica ou componente desejado e pressione Enter.