El manager de modelos es un módulo analítico basado en MLFlow https://mlflow.org/que permite a los datascientics manejar el ciclo de vida de sus experimentos y modelos.

MLflow es una plataforma open-source para manejar el ciclo de vida de los modelos de machine learning desde el inicio hasta el fin, y para este proposito incluye 4 módulos/funcionalidades principales:

Open

• Tracking de experimentos para registrar y comparar parámetros metadatos y resultados (MLflow Tracking).

• Empaquetado del código de ML de una forma reusable y reproducible con el objetivo de compartir con otros datascientics y desplegarlo en producción de manera sencilla y encapsulada (MLflow Projects).

• Gestión y despliegue de modelos desde una amplia variedad de librerías de ML a una gran abanico de de plataformas para el serviciado (MLflow Models).

• Proporciona un repositorio centralizado para gestionar de manera colaborativa el ciclo completo de vida del modelo MLFlow, incluyendo versionado, cambios de estado, anotaciones… (MLflow Model Registry).

Open

Este módulo puede usarse en combinación con los notebooks de plataforma y con ciertos clientes de diferentes lenguajes de programación. Puedes acceder a algunos ejemplos en la otras secciones Uso del manager de modelos desde el entorno local y Uso del manager de modelos desde los notebooks

Solo el usuario analytics/datascientics puede usar este módulo que podrá encontrarse en el menú de herramientas analíticas:

Dentro, podremos ver la interfaz del MLFlow Tracking server, donde los usuarios podrán trabajar con diferentes experimentos y ejecuciones y transformarlos a modelos productivos.

Próximos pasos

• Integración completa con la seguridad de plataforma: cada usuario verá sus experimentos y ser capaz de compartirlo con otros.

• Serviciado de modelos como apis de plataforma

• Despliegue de modelos como contenedores