Как создать и отслеживать многозадачное обучение с независимыми моделями на одном входе и на одном выходе. Полный код на GitHub, соблюдая инструкцию README.md с нуля установки до работающего запуска отслеживания экспериментов и обслуживания моделей Читать далее
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
Сегодня в постоянно меняющейся сфере машинного обучения особую важность приобретает возможность управлять полным жизненным циклом моделей без особых усилий. Этот витиеватый процесс поможет упростить Open-Source-платформа MLflow. Читать дальше →
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 →