MLflow
実験管理、モデルのパッケージング、バージョン管理、デプロイといった機械学習のライフサイクルを管理するための、オープンソースプラットフォームです。
概要
MLflow は、すべての機械学習トレーニング実行のパラメータ、メトリクス、成果物を記録し、チームが実験を比較して結果を再現できるようにします。学習済みモデルを、様々なサービングフレームワークで使える標準フォーマットにパッケージ化し、バージョン管理と本番環境への昇格のためのモデルレジストリを管理します。フレームワークに依存せず、カタログに既にある PyTorch、TensorFlow、scikit-learn などと連携できます。
MLflow は、実験や散在するノートブックやスプレッドシートではなく、体系的に実験を追跡しモデルを管理する必要があるデータサイエンスチームに向いており、カタログの機械学習フレームワークのエントリに現在欠けている MLOps のギャップを埋めます。
- カテゴリ
- AI・機械学習
- 言語
- Python
- ライセンス
- Apache-2.0
関連プロジェクト
KServe
Apache-2.0機械学習モデルを大規模にサービングするための Kubernetes ネイティブなプラットフォームで、フレームワークをまたいでモデルのデプロイを標準化します。
- AI・機械学習
Kubeflow
Apache-2.0パイプライン、モデルトレーニング、ハイパーパラメータチューニング、サービングを1つのツールキットにまとめた、Kubernetes 向けの機械学習プラットフォームです。
- AI・機械学習
CAMEL
Apache-2.0自律的に協調する、複数のコミュニケーションを行うロールプレイング AI エージェントのシステムを研究・構築するための、オープンソースフレームワークです。
- AI・機械学習
CrewAI
MIT役割ベースで協調して動く AI エージェントのチームを構築し、複雑なタスクを自律的に協力して完了させるためのマルチエージェントオーケストレーションフレームワークです。
- AI・機械学習
誤りを見つけましたか? GitHub で修正を提案する