Mlflow administré
Gérer le cycle de vie du machine learning de bout en bout
Qu'est-ce que Managed MLflow ?
Managed MLflow est conçu à partir de MLflow, plateforme open source développée par Databricks pour faciliter la gestion du cycle de vie complet du machine learning et offrant un haut niveau d'évolutivité, de sécurité et de fiabilité.
Avantages

Développement de modèles
Accélérez et simplifiez la gestion du cycle de vie du machine learning en vous appuyant sur un cadre normalisé pour développer des modèles de ML prêts pour la production. Avec les recettes MLflow managées, lancez rapidement des projets de ML, itérez à grande vitesse en toute simplicité et mettez en production des modèles de qualité à grande échelle.

Suivi des tests
Lancez des tests avec n'importe quels langage, framework ou bibliothèque ML et effectuez automatiquement le suivi du code ou des paramètres, indicateurs et modèles de chaque test. En utilisant MLflow sur Databricks, vous disposez d'un moyen sécurisé de partager, gérer et comparer des résultats d'expérimentation, accompagnés de leurs artefacts et de leurs versions de code. Et tout cela grâce à l'intégration des Databricks Workspace et des notebooks.

Gestion de modèles
Au sein d'un même emplacement centralisé, vous allez pouvoir partager des modèles ML, collaborer pour les faire passer de l'expérimentation aux tests et à la production, intégrer des workflows d'approbation et de gouvernance et assurer le suivi des déploiements ML et de leurs performances. Le Registre de modèles MLflow facilite le partage d'expertise et de connaissances et vous aide à garder le contrôle.

Déploiement de modèles
Déployez rapidement des modèles en production pour les inférences par batch sur Apache Spark™ ou sous forme d'API REST grâce aux intégrations natives avec les conteneurs Docker, Azure ML ou Amazon SageMaker. Avec Managed MLflow sur Databricks, vous pouvez mettre en service et surveiller les modèles de production à l'aide de l'ordonnanceur Databricks et des clusters auto-gérés en fonction de vos besoins métier.
Fonctionnalités
Consultez les actus sur nos produits publiées sur Azure Databricks et AWS pour découvrir nos dernières fonctionnalités.
Comparaison des offres MLflow

Comment ça marche
MLflow est un ensemble d'interfaces utilisateur et d'API légères utilisables avec n'importe quelle infrastructure ML sur l'ensemble du workflow de machine learning. Il regroupe quatre composants : MLflow Tracking, MLflow Projects, MLflow Models et MLflow Model Registry

MLflow managé
sur Databricks
Managed MLflow sur Databricks est une version entièrement gérée de MLflow qui permet aux utilisateurs de reproduire et gérer leurs expérimentations avec les notebooks Databricks, les tâches et les dépôts de données. Il profite également de la fiabilité, de la sécurité et de l'évolutivité de la Unified Data Analytics Platform.