Model Registry eingeführt

Databricks erweitert MLflow

| Autor / Redakteur: Martin Hensel / Nico Litzel

Matei Zaharia, Chief Technologist von Databricks
Matei Zaharia, Chief Technologist von Databricks (Bild: Databricks)

Der Unified-Analytics-Experte Databricks erweitert seine quelloffene Machine-Learning-Plattform MLflow um die Funktion Model Registry. Sie stellt ein zentrales Repository zur Verfügung, um maschinelle Lernmodelle verfolgen, teilen und speichern zu können.

Bereits zuvor konnte MLflow Experimente und Artefakte protokollieren, Modelle verpacken und Abläufe reproduzieren. Zudem stellt die Plattform flexible interne Bereitstellungsoptionen sowie für Cloud-Inferenzdienste oder Container bereit. Die neu vorgestellte Model Registry baut auf diesen Fähigkeiten auf. Sie ermöglicht Unternehmensnutzern das Speichern von Modellen und die Optimierung der entsprechenden Entwicklungslebenszyklen.

„Jeder, der versucht hat, die Entwicklung von Machine Learning voranzutreiben, weiß, dass dies eine komplexe Angelegenheit ist. Die Möglichkeit, Modelle zu verfolgen, ist entscheidend, um Verwirrung zu vermeiden, da die Anzahl der Modelle in der Experimentier-, Test- und Produktionsphase zu einem bestimmten Zeitpunkt in die Tausende gehen kann“, verdeutlicht Matei Zaharia, Chief Technologist von Databricks.

Funktionen im Überblick

Konkret stellt die MLflow Model Registry ein kollaboratives Zentrum bereit, das den Austausch von Know-how über Aufbau und Bereitstellung von Machine-Learning-Modellen erleichtert. Entwicklungsteams können Modelle einfacher auffinden und gemeinsame Machine-Learning-Aufgaben verbessern. Teams behalten stets die Kontrolle über die Modelle: Dazu überführen sie entweder automatisch ein Modell auf Basis vordefinierter Bedingungen in die Produktion oder steuern und validieren Änderungen in jeder Lebenszyklusphase manuell. Zusätzlich ermöglicht die Model Registry vollständige Transparenz über die vorhandenen Modelle in jeder Phase.

Databricks stellt die Model Registry vollständig auf Datenbanken bereit. Sie steht allen Kunden ab sofort zur Verfügung. Als Teil des quelloffenen MLflow-Angebots ist ihre zentrale Komponente auch über GitHub erhältlich. Weitere Informationen sind auf der Databricks-Website zu finden.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 46194034 / Künstliche Intelligenz)