Wat is MLflow?

Introductie tot MLflow

Weston Bassler

Senior MLOps Engineer

De machinelearning-levenscyclus

ml-levenscyclus

¹ datacamp.com

Uitdagingen van machine learning

Tracking:
- Modellen en metrics
Reproduceerbaarheid:
- Platforms, omgevingen en werkruimtes
Deployment:
- Veel opties, geen standaarden

Wat is MLflow?

"Een open-sourceplatform voor de machinelearning-levenscyclus" - MLflow.org

¹ www.mlflow.org

Onderdelen van MLflow

MLflow Tracking:
- Metrics en parameters van trainingsruns loggen
- Data uit experimenten opvragen
- Modellen, artifacts en code opslaan

MLflow Models:
- Modellen standaardiseren voor deployment
- Aangepaste modellen bouwen

Model Registry:
- ML-modellen opslaan en versiebeheer
- ML-modellen laden en deployen

MLflow Projects:
- ML-code verpakken voor reproduceerbaarheid
- ML-code verpakken voor herhaalbaarheid

integraties

¹ www.mlflow.org

MLflow-experimenten

experiment-ui

Werken met experimenten

MLflow Client

Experimenten maken
```
client.create_experiment("Name")
```

Experimenten taggen

client.set_experiment_tag("Name", 
k, v)

Experimenten verwijderen
```
client.delete_experiment("Name")
```

MLflow-module

Experimenten maken
```
mlflow.create_experiment("Name")
```

Experimenten taggen
```
mlflow.set_experiment_tag(k, v)
```

Experimenten verwijderen
```
mlflow.delete_experiment("Name")
```
Experiment instellen
```
mlflow.set_experiment("Name")
```

Een nieuw experiment starten

import mlflow

# Nieuw experiment maken
mlflow.create_experiment("My Experiment")

# Nieuw experiment taggen
mlflow.set_experiment_tag("scikit-learn", "lr")

# Het experiment instellen
mlflow.set_experiment("My Experiment")

Laten we oefenen!

Introductie tot MLflow

Preparing Video For Download...