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
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
Введение в MLflow: настройка и запускПривет, Хабр! Я Александр Кузьмичёв, специалист по анализу данных и машинному обучению в ПГК Диджитал. Мы в компании занимаемся разработкой цифровых продуктов для железнодорожных грузоперевозок. Ранее я рассказывал о том, как открытая…
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 →