Когда речь заходит о таких инструментах, как Airflow, MLflow или Docker, многие сразу представляют себе продакшен-среду, и новичков это может пугать. Однако на самом деле эти инструменты полезны не только в проде или крупных компаниях.Сегодня я хочу рассказать об MLflow. Эта статья рассчитана
MLflow - это инструмент для управления жизненным циклом машинного обучения: отслеживание экспериментов, управление и деплой моделей и проектов. В этом руководстве мы посмотрим, как организовать эксперименты и запуски, оптимизировать гиперпараметры с помощью optuna, сравнивать модели и выбирать лучшие параметры. Также рассмотрим логирование моделей, использование их в разных форматах, упаковку проекта в MLproject и установку удаленного Tracking Server MLflow. Читать далее
Присоединяйтесь к трансляции ML REPA Meetup завтра, 27 февраля: вместе обсудим, можно ли рассматривать библиотеку для протоколирования экспериментов Sacred как альтернативу MLflow, как ускорить A/Б-тестирование с помощью машинного обучения и как перейти от MLflow к MLPanel для поддержки нескольких проектов. Будем на связи в 19:00! Читать дальше →
Привет, коллеги! Меня зовут Александр Кузьмичев, и я ведущий специалист по анализу данных в Первой грузовой компании. Мы с коллегами разработали «Прогнозатор» — инструмент для оценки объемов грузоперевозок между ж/д станциями. В основе лежит открытая платформа MLflow, и сегодня я расскажу, чем она нам помогает. Фотография Ainur Khakimov / Unsplash Читать дальше →