Einführung in MLflow

Die Verwaltung des gesamten Lebenszyklus einer Machine-Learning-Anwendung kann für Datenwissenschaftler, Ingenieure und Entwickler eine entmutigende Aufgabe sein. Anwendungen des maschinellen Lernens sind komplex und nachweislich schwer zu verfolgen, schwer zu reproduzieren und problematisch in der Anwendung.

In diesem Kurs erfährst du, was MLflow ist und wie es versucht, die Schwierigkeiten im Lebenszyklus des maschinellen Lernens wie Verfolgung, Reproduzierbarkeit und Einsatz zu vereinfachen. Nach dem Erlernen von MLflow wirst du besser verstehen, wie du die Komplexität bei der Entwicklung von Machine Learning-Anwendungen bewältigen kannst und wie du die verschiedenen Phasen des Machine Learning-Lebenszyklus durchläufst.

Im Laufe des Kurses wirst du dich mit den vier Hauptkomponenten der MLflow-Plattform vertraut machen. Du lernst, wie du Modelle, Metriken und Parameter mit MLflow Tracking verfolgst, reproduzierbaren ML-Code mit MLflow Projects verpackst, Modelle mit MLflow Models erstellst und bereitstellst und Modelle mit Model Registry speicherst und versionierst.

Im Laufe des Kurses lernst du auch, wie du MLflow für die Versionierung von Modellen verwendest, wie du Modelle auswertest, Anpassungen zu Modellen hinzufügst und wie du Automatisierungen in Trainingsläufe einbaust. Dieser Kurs bereitet dich darauf vor, den Lebenszyklus deiner nächsten Machine Learning-Anwendung erfolgreich zu managen.