Демо-занятие курса «MLOps»
MLflow в облаке. Простой и быстрый способ вывести ML-модели в продакшен
MLflow — один из самых стабильных и легких инструментов, позволяющий специалистам по Data Science управлять жизненным циклом моделей машинного обучения. Это удобный инструмент с простым интерфейсом для просмотра экспериментов и мощными средствами упаковки управления, развертывания моделей. Он позволяет работать практически с любой библиотекой машинного обучения. Я Александр Волынский, архитектор облачной платформы Mail.ru Cloud Solutions. В прошлой статье мы рассмотрели Kubeflow. MLflow — это еще один инструмент для построения MLOps, для работы с которым не обязателен Kubernetes...
🚀 MLflow стал open-source платформой для AI: трассировка агентов, AI Gateway с бюджетами и встроенная оценка LLM
Если вы до сих пор думаете, что MLflow — это только для логирования экспериментов с XGBoost, вы отстали лет на пять. MLflow вырос в open-source платформу для полного жизненного цикла AI-приложений: от трассировки и оценки до управления продакшеном. По масштабу проект тоже “в индустрии”: 25,5k звезд на GitHub и 60M+ скачиваний через PyPI ежемесячно. В релизе v3.11.1 (апрель 2026) ключевой акцент — на управляемости. Появилась кнопка Detect Issues, которая по трассам помогает находить проблемы качества (корректность/безопасность/производительность) и привязывать их к конкретным шагам выполнения...