Model Versioning — Версионирование моделей

Каждая обученная модель — артефакт с версией, метриками и происхождением.

Ключевые тезисы

Модель связана с версией кода, данных и конфигурации обучения.
Быстрый откат к предыдущей версии — обязательная возможность.
Формат: pickle, ONNX, TorchScript, SavedModel.

Подробный разбор

2 подтем — раскройте любую, чтобы увидеть объяснение, формулы, примеры и интерактивные графики.

Что входит в версию модели

Веса — только часть артефакта.

Веса и код инференса, включая всю предобработку.
Версии данных и кода обучения.
Метрики на фиксированном тестовом наборе.
Контракт входа и выхода: имена признаков, типы, допустимые диапазоны.
Требования к окружению (образ, версии библиотек).

Формат	Плюсы	Минусы
pickle / joblib	просто	привязан к версиям библиотек, небезопасен
ONNX	переносимость, ускорение	не все операции поддержаны
TorchScript	родной для PyTorch	только PyTorch
Docker-образ	полная фиксация окружения	тяжёлый

Контракт модели

Что должно быть зафиксировано, чтобы сервис не сломался.

{
  "features": [{"name": "age", "type": "int", "range": [18, 100]},
               {"name": "region", "type": "category", "values": ["msk", "spb", "other"]}],
  "output": {"type": "float", "range": [0, 1], "meaning": "P(отток за 30 дней)"},
  "trained_on": "2026-07-01..2026-08-15",
  "metrics": {"roc_auc": 0.842, "pr_auc": 0.391}
}

Такой файл рядом с моделью снимает половину вопросов при интеграции

Связанные темы

Доставка модели в прод · Воспроизводимость

MLflow96%

MLflow · MLOps

Открытая платформа для трекинга, упаковки и регистрации моделей.

CI/CD for ML85%

CI/CD для ML · MLOps

Автоматизация проверок и выката: тесты кода, тесты данных, обучение и релиз модели по одной кнопке.

Model Deployment85%

Деплой моделей · MLOps

Доставка модели пользователю: онлайн-сервис, батч-скоринг или встраивание в приложение.

Serving Architecture85%

Архитектура инференса · Системный дизайн ML-сервисов

Модель внутри приложения, отдельный сервис или платформа инференса — три уровня связанности.

Production ML85%

ML в продакшене · Практика ML

Модель в проде — это сервис с SLA, мониторингом, версионированием и планом отката.

Experiment Tracking75%

Трекинг экспериментов · MLOps

Фиксация параметров, метрик, артефактов и версии кода для каждого запуска.

Data Versioning75%

Версионирование данных · MLOps

Данные меняются чаще кода — без их версий эксперимент не воспроизвести.

ML Pipelines75%

ML-пайплайны · MLOps

Оформление обучения как воспроизводимой последовательности шагов вместо разрозненных ноутбуков.

Ablation studies75%

Абляционные исследования · Оценка моделей

Поочерёдное отключение компонентов, чтобы понять, что именно даёт прирост качества.