MLflow kılavuzu

  • Makale
  • Okumak için 2 dakika

MLflow, uçtan uca makine öğrenmesi yaşam döngüsünü yönetmeye yönelik açık kaynaklı bir platformdur. Aşağıdaki bileşenlere sahiptir:

  • İzleme: Parametreleri ve sonuçları kaydedip karşılaştırmak için denemeleri izlemenizi sağlar.
  • Modeller: Çeşitli ML kitaplıklarından modelleri yönetmenize ve bunları çeşitli model sunma ve çıkarım platformlarına dağıtmanıza izin verir.
  • Projeler: ML kodunu, diğer veri bilimcileri ile paylaşmak veya üretime aktarmak üzere yeniden kullanılabilir, tekrarlanabilir bir biçimde paketlemenize izin verir.
  • Model Kayıt Defteri: Hazırlama aşamasından üretime kadar modellerin tam yaşam döngüsünün aşama geçişlerini yönetmek üzere bir model deposunu merkezileştirmenize olanak tanır, sürüm oluşturma ve açıklama ekleme olanaklarına sahiptir.
  • Model Sunma: MLflow Modellerini REST uç noktaları olarak barındırmanıza olanak tanır.

MLflow Java, Python, R ve REST API'lerini destekler.

Azure Databricks; kurumsal güvenlik özellikleri, yüksek kullanılabilirlik, deneme ve çalıştırma yönetimi ile not defteri sürümü yakalama gibi diğer Azure Databricks çalışma alanı özellikleriyle tümleştirilmiş tam olarak yönetilen ve barındırılan bir MLflow sürümü sağlar. Azure Databricks'teki MLflow, makine öğrenmesi modeli eğitim çalıştırmalarını izleyip bunların güvenliğini sağlamak ve makine öğrenmesi projelerini çalıştırmak için tümleşik bir deneyim sunar.

MLflow verileri, platform tarafından yönetilen anahtar kullanılarak Azure Databricks şifrelenir. Yönetilen hizmetler için müşteri tarafından yönetilen anahtarları etkinleştir kullanılarak şifreleme desteklenmez.

İlk Kullanıcı, temel MLflow izleme API 'Lerini gösteren hızlı başlangıçile başlamalıdır. Sonraki makalelerde her MLflow bileşeni örnek not defterleri ile tanıtılmakta ve bu bileşenlerin Azure Databricks'te nasıl barındırıldığı anlatılmaktadır.