À l'issue de cette section, vous aurez découvert

• Une stratégie simple de versioning de modèles,
• Un timestamp est un bon moyen pour versionner les modèles,
• Mais il est difficile de retrouver quel code a produit quel modèle.

Présentation des nouveautés sur la branche de ce TP

Pour ce TP, utilisez la branch 5_starting_artifacts

git checkout 5_starting_artifacts

Pour l'instant, les modèles sont sauvegardés par la fonction train_model.

Ils possèdent le même nom de fichier, ce qui signifie que chaque entraînement produit un modèle, mais que le modèle ainsi produit écrase le précédent 😕.

Ceci est problématique pour des raisons

• de suivi et d'auditabilité : un modèle est déployé, mais je ne sais pas lequel précisément.
• de reproductibilité : comme je ne sais pas quel modèle est déployé, je ne peux pas facilement effectuer un roll-back vers un précédent modèle plus stable si le modèle que je viens de déployer est défectueux.

Un moyen de distinguer un modèle d'un autre à chaque entraînement est d'intégrer un identifiant unique à son nom.

Un moyen simple d'y parvenir est d'utiliser un horodatage.

L'objectif de ce TP est de modifier le nom du modèle généré en intégrant un timestamp au format YYYYMMDD-HHMMSS ('%Y%m%d-%H%M%S').

Exécuter plusieurs entraînements devrait produire plusieurs modèles identifiables comme ceci dans votre model registry :

• A quoi ce timestamp sert-il ?
• Quelles limitations voyez-vous à cette technique ?

Les instructions du tp suivant sont ici