lab2: add mlmodel

labs/lab2.md

@@ -33,7 +33,7 @@
 -----
 16. Проанализировать все прогоны и выбрать модель, показывающую наилучшее качество. 
 Обучить эту модель на всей выборке (а не только на train-части), залогировать ее. В реестре моделей установить ей тэг `Production`. Эту модель мы будем деплоить в следующей лабораторной работе.
-17. Сохранить и закоммитить два скриншота из интерфейса mlflow с метриками качества и версиями зарегистрированной модели.
+17. Сохранить и закоммитить два скриншота из интерфейса mlflow с метриками качества и версиями зарегистрированной модели и файл MLModel для `Production`-модели.
 18. Актуализировать файлы `requirements.txt` и `README.md`, `.gitignore` 
 19. Отправить изменения на github. Сохранить на флешку или иным способом директорию `./mlflow`
 
@@ -239,14 +239,18 @@ mlflow.sklearn.log_model(...)
 * файл `requirements.txt`
 * список используемых столбцов
 
-Зарегистрируйте эту версию в реестре моделей и установите ей тэг `Production`
+Зарегистрируйте эту версию в реестре моделей и установите ей тэг `Production`.
+
+> Эту модель мы будем деплоить в следующей лабораторной работе
 
 ### 17
-Сохранить в папке `research` и закоммитить два скриншота из интерфейса mlflow:
+Сохранить в папке `research` и закоммитить два скриншота из интерфейса mlflow и файл MLModel для `Production`-модели:
 * Скриншот всех прогонов и их графиков с метриками качества.
 ![model_runs](model_runs.png)
 * Скриншот зарегистрированных версий моделей 
 ![model_versions](model_versions.png)
+* Текстовый файл MLModel можно найти и скачать во вкадке `artifacts` соответствующего `run` 
+![mlmodel_file](mlmodel_file.png)
 
 
 ### 18