Managed MLflow
Gestiona de forma nativa modelos, agentes y aplicaciones de IA con MLflow en Databricks
¿Qué es Managed MLflow?
Managed MLflow en Databricks ofrece seguimiento de experimentos, observabilidad, evaluación del rendimiento y administración de modelos de última generación para todo el espectro de aprendizaje automático e IA, desde modelos clásicos y aprendizaje profundo hasta aplicaciones y agentes de IA generativa, todo ello de forma nativa dentro de la plataforma de datos + IA de Databricks. Managed MLflow está creado sobre la base flexible de MLflow de código abierto y reforzado con confiabilidad, seguridad y escalabilidad de nivel empresarial. Esto permite a las empresas crear modelos y agentes de alta calidad con confianza, utilizando sus herramientas preferidas en todo el ecosistema de IA y ML, garantizando al mismo tiempo que sus activos de IA y datos estén gobernados y protegidos.
Ventajas de Managed MLflow
Ciclo de vida unificado de ML e IA generativa
Managed MLflow unifica el aprendizaje automático clásico, el aprendizaje profundo y el desarrollo de IA generativa en un flujo de trabajo único y optimizado. Desde el seguimiento de experimentos hasta la implementación, ofrece control de versiones coherente, gestión de prompts y empaquetado en todos los modelos y agentes, lo que elimina la necesidad de unir herramientas independientes.
Basado en MLflow de código abierto
Evita la dependencia de proveedores y mantén la flexibilidad total en tu pila. Basado en MLflow de código abierto, con más de 800 colaboradores de la comunidad, más de 25 millones de descargas mensuales de paquetes y la confianza de más de 5.000 organizaciones de todo el mundo, Managed MLflow es compatible con los marcos, los lenguajes y las herramientas que tú elijas. Obtén toda la libertad y la confiabilidad del código abierto, además de la simplicidad de una experiencia totalmente gestionada.
Observabilidad y gobernabilidad de nivel empresarial
Completamente integrado en la plataforma de Databricks, Managed MLflow proporciona trazabilidad completa, supervisión en tiempo real y gobernanza unificada en todos los flujos de trabajo de IA. Con Unity Catalog, puedes aplicar automáticamente controles de acceso, rastrear el linaje y garantizar el cumplimiento en tus modelos, datos y agentes.
Análisis de rendimiento desde el desarrollo hasta la producción
Analiza, compara y visualiza el rendimiento en desarrollo, preparación y producción, todo desde un solo lugar. Con el modelo de datos unificado de MLflow y la integración con Databricks AI/BI y SQL, los científicos de datos pueden descubrir tendencias, identificar regresiones e impulsar el impacto empresarial utilizando la misma plataforma que utilizan para crear e implementar.
Nuevas características de IA generativa en Managed MLflow
Rastreo
Captura entradas, salidas y la ejecución paso a paso —incluidos prompts, recuperaciones y llamadas a herramientas— con el seguimiento de código abierto de MLflow compatible con OpenTelemetry. Instrumenta automáticamente las bibliotecas populares de la IA generativa o ingiere los seguimientos directamente. Depura e itera más rápidamente con vistas de línea de tiempo interactivas, comparaciones paralelas y cero dependencia de proveedores.
Evaluación de la IA generativa
Evalúa a los agentes de IA generativa utilizando un LLM como juez y comentarios de humanos, directamente en la interfaz de usuario de MLflow. Crea conjuntos de datos a partir de seguimientos de producción, compara los resultados de las distintas versiones y evalúa la calidad con métricas predefinidas o personalizadas, como alucinaciones o relevancia. Incorpora comentarios de expertos a través de interfaces de usuario web o API de aplicaciones para ajustarte al criterio humano y mejorar continuamente los resultados.
Registro de prompts y control de versiones de agentes
Versiona prompts, agentes y código de aplicaciones en un solo lugar con MLflow. Vincula seguimientos, evaluaciones y datos de rendimiento con versiones específicas para un linaje de ciclo de vida completo. Reutiliza y compara prompts en los flujos de trabajo, gestiona versiones de agentes con métricas y parámetros asociados e integra con Git y CI/CD para acelerar la iteración controlada.
Monitoreo y alertas de la IA generativa
Supervisa la calidad de la IA generativa en tiempo real con los paneles de control, los exploradores de seguimiento y las alertas automatizadas de MLflow. Haz seguimiento de problemas como fugas de PII, picos de latencia o respuestas inútiles mediante evaluaciones de LLM-judge y métricas personalizadas. Configura evaluaciones en línea y actúa rápidamente, antes de que los usuarios se vean afectados.
Funciones principales de Managed MLflow
Seguimiento de experimentos
Haz seguimiento automático de parámetros, métricas, artefactos y modelos desde cualquier marco de aprendizaje automático o profundo. MLflow te ofrece un registro de auditoría completo y admite comparaciones detalladas entre arquitecturas, puntos de control y flujos de trabajo de entrenamiento, a escala.
Evaluación de modelos para ML y DL
Registra automáticamente métricas integradas y personalizadas para tareas como clasificación o regresión. Compara los resultados con líneas de referencia, registra artefactos como curvas ROC y valida modelos en conjuntos de datos nuevos antes de que lleguen a producción.
Gestión y gobernanza de modelos sin esfuerzo
Descubre, comparte y gestiona modelos de forma centralizada con el registro de modelos MLflow, integrado con Unity Caralog para una gobernanza integral. Haz seguimiento del estado de implementación y colabora entre equipos con visibilidad completa del rendimiento del modelo en entornos diferentes
Implementación a escala
Implementa modelos con un formato de empaquetado reproducible que incluya todo el código, las dependencias y los pesos. Sírvelos como API REST o ejecuta inferencias por lotes de alto rendimiento con ai_query, optimizado tanto para CPU como para GPU a través de Databricks Model Serving.
Consulta nuestras novedades sobre productos de Azure Databricks y AWS para más información sobre nuestras últimas características.
MLflow de código abierto en comparación con Managed MLflow en Databricks
MLflow de código abierto | Managed MLflow en Databricks | |
|---|---|---|
Seguimiento y observabilidad de IA | ||
API de seguimiento | ||
Integración de depuración de cuadernos | ||
Seguimiento para aplicaciones de producción | ||
Paneles de observabilidad personalizables | ||
Consulta de datos de seguimiento con herramientas SQL y AI/BI | ||
Monitoreo de la producción | ||
Evaluación de la IA generativa | ||
API de evaluación | ||
IU y API de comentarios de humanos | ||
Jueces LLM de alta calidad | ||
Versiones de conjuntos de datos de evaluación | ||
Gestión de prompts | ||
Registro de prompts de MLflow | ||
IU del editor de prompts | ||
Seguimiento de experimentos | ||
API de seguimiento de MLflow | ||
Paneles de comparación y rendimiento avanzados | ||
Consulta de datos de experimentos con herramientas SQL y AI/BI | ||
Servidor de seguimiento MLflow | Autohospedado | Totalmente gestionado |
Integración de cuadernos | ||
Integración de flujos de trabajo | ||
Gestión de modelos | ||
Registro de modelos MLflow | ||
Gestión de versiones del modelo | ||
Flujos de trabajo de aprobación basados en roles | ||
Integraciones de flujo de trabajo CI/CD | ||
Implementación flexible | ||
Empaquetado de modelos | ||
Inferencia de lotes a gran escala | ||
Implementación en tiempo real de baja latencia | ||
Análisis de transmisión integrado | ||
Seguridad y administración | ||
Gobernanza empresarial | ||
Alta disponibilidad | ||
Actualizaciones automáticas |
Recursos de Managed MLflow
Documentación de Managed MLflow
Tutoriales de Managed MLflow
Blogs de Managed MLflow
Vídeos de Managed MLflow
Libros electrónicos de Managed MLflow
Webinarios de Managed MLflow
Preguntas frecuentes
¿Listo para empezar?