MLflow
Plateforme ouverte du cycle de vie ML : tracking d'expériences, registre de modèles et déploiement.
Site officiel / GitHub ↗ Visiter
À quoi sert cette technologie ?
Son rôle dans les environnements de production et pourquoi elle est enseignée dans nos cursus.
MLflow est la plateforme ouverte du cycle de vie ML — tracking d'expériences, registre de modèles et déploiement rendent le ML reproductible et prêt pour la production.
Ce que vous allez apprendre
Les compétences opérationnelles acquises sur cette technologie dans nos cursus.
- Suivre les expériences et métriques
- Enregistrer et versionner des modèles
- Déployer des modèles depuis le registre
- Gérer le cycle de vie ML complet avec gouvernance
Actualités & Dernières évolutions
Les innovations récentes, versions majeures et tendances clés de l'écosystème.
MLflow 3.0 : Registre universel d'artefacts IA et évaluation automatique de LLM
Suivi rigoureux des expériences, des hyperparamètres, des métriques d'inférence et des versions de modèles.
Passage en production fluide des modèles vers OpenShift AI & KServe
Déploiement en une ligne de commande des modèles validés avec génération automatique des endpoints d'API.
Présent dans le cursus
Retrouvez cette technologie dans les modules suivants de nos cursus certifiants Red Hat.
AS300 — AI Platform Engineer
Voir le cursus →
Projet final (setup + sprints + dry-run)
Projet · Module 11 — AS300
