관리형 MLFlow
전체 머신 러닝 수명 주기 관리
관리형 MLFlow란?
관리형 MLflow는 Databricks에서 개발한 오픈 소스 플랫폼인 MLflow를 기반으로 빌드되므로 엔터프라이즈 안정성, 보안 및 확장성을 바탕으로 전체 머신 러닝 수명 주기를 관리할 수 있습니다. MLflow에 대한 최신 업데이트에는 LLM(대규모 언어 모델)을 관리하고 배포하는 기능을 확장하는 혁신적인 기능이 포함되어 있습니다. 이 향상된 LLM 지원은 Hugging Face Transformers, OpenAI 기능 및 LangChain의 세 가지 새로운 모델 버전을 통해 제공됩니다.
장점

모델 개발
프로덕션 지원 ML 모델을 개발하기 위한 표준화된 프레임워크를 기반으로 머신 러닝 수명 주기 관리를 가속화하고 단순화합니다. 관리형 MLflow 레시피를 사용하여 ML 프로젝트를 부트스트랩하고, 쉽고 빠르게 반복을 수행하고, 고품질의 모델을 대규모 프로덕션에 제공할 수 있습니다.

Experiment 추적
모든 ML 라이브러리, 프레임워크 또는 언어로 Experiment를 실행하고 각 Experiment의 매개변수, 지표, 코드 및 모델을 자동으로 추적합니다. Databricks에서 MLflow를 사용하면 Databricks 워크스페이스 및 노트북과의 기본 통합 덕분에 해당 아티팩트 및 코드 버전과 함께 Experiment 결과를 안전하게 공유, 관리, 비교할 수 있습니다.

모델 관리
하나의 중앙 집중된 위치에서 ML 모델을 검색 및 공유하고, Experiment에서 온라인 테스트 및 프로덕션으로 이동하는 데 협력하고, 승인 및 거버넌스 워크플로 및 CI/CD 파이프라인과 통합하고, ML 배포 및 성능을 모니터링할 수 있습니다. MLflow 모델 레지스트리는 전문 지식의 공유를 촉진하고 빈틈없는 관리를 지원합니다.

모델 배포
Docker 컨테이너, Azure ML 또는 Amazon SageMaker와의 기본 통합을 사용하여 Apache Spark™ 또는 REST API로의 배치 추론을 위한 프로덕션 모델을 빠르게 배포합니다. Databricks 기반의 관리형 MLflow에서는 Databricks 작업 스케줄러 및 자동 관리형 클러스터를 사용하여 프로덕션 모델을 운용하고 모니터링하여 비즈니스 요구 사항에 따라 확장할 수 있습니다.
기능
최신 기능에 대한 자세한 내용은 Azure Databricks 및 AWS의 제품 뉴스를 참조하세요.
MLflow 제품 비교

작동 방식
MLflow는 전체 머신 러닝 워크플로에서 모든 ML 프레임워크와 함께 사용할 수 있는 경량 API 및 사용자 인터페이스 세트로, MLflow 추적, MLflow 프로젝트, MLflow 모델, MLflow 모델 레지스트리의 4가지 컴포넌트로 구성되어 있습니다.
Databricks의 관리형 MLflow
Databricks의 관리형 MLflow는 Unified Data Analytics Platform의 안정성, 보안 및 확장성과 함께 실무자에게 Databricks의 노트북, 작업 및 데이터 저장소에 대한 재현성과 Experiment 관리 기능을 제공하는 MLflow의 완전 관리형 버전입니다.