機器學習完整的生命周期管理

毫升發展帶來許多新的複雜性超出了傳統的軟件開發生命周期。與傳統的軟件開發,毫升開發者想嚐試多個算法,工具和參數來得到最好的結果,他們需要跟蹤這個信息複製工作。此外,開發人員需要使用許多不同的係統productionize模型。

為了解決這些挑戰,磚公布了去年6月MLflow,一個開源項目,旨在簡化整個毫升生命周期。MLflow介紹簡單的抽象包可再生項目,跟蹤結果,和封裝模型,可以用於許多現有的工具,加速毫升為任何規模的組織生命周期。

在這次研討會,我們將向您展示如何使用MLflow可以幫助您:

• 跟蹤實驗運行和結果在框架。
• 執行項目遠程磚集群,並迅速繁殖跑步。
• 快速productionize模型使用磚生產工作,集裝箱碼頭工人,Azure ML,或亞馬遜SageMaker。

訪問//m.eheci.com/mlflow要了解更多,從今天開始吧!

筆記本電腦後將提供網絡研討會,這樣您就可以在自己的節奏練習。

主持人