説明
MLflow ドキュメントへようこそ。これは、エンドツーエンドの機械学習および AI ライフサイクルを管理するための中心的なリソースです。ドキュメントは、多様なユーザーのニーズに対応するために、2 つの主要セクションに thoughtfully に構成されています。急速に進化する大規模言語モデル（LLM）およびエージェントの領域に焦点を当てているユーザーには、「LLMs & Agents」セクションで詳細なガイダンスを提供します。
「LLMs & Agents」では、エージェントおよび LLM アプリケーション開発のためのツールとベストプラクティスを見つけることができます。これには、LLM との対話を監視およびデバッグできるトレーシングに関する詳細情報と、エージェントおよびモデルのパフォーマンスを評価するために設計された評価フレームワークが含まれます。ドキュメントは、プロンプト管理についても説明しており、プロンプトの効果的な処理と最適化を可能にし、基盤モデルのデプロイメントでは、LLM アプリケーションを本番環境に対応させるプロセスをガイドします。さらに、責任あるコンプライアンスに準拠した AI 開発を保証する AI ガバナンスについても掘り下げています。
従来の機械学習ワークフローに従事しているユーザーには、「Machine Learning」セクションで包括的なガイドを提供します。この領域は、異なるモデル実行のログ記録と比較に不可欠な実験追跡や、モデルの再現性と共有可能性を保証するモデルパッケージングなどのコア ML 機能に焦点を当てています。モデルレジストリは詳細に説明されており、モデルのバージョンとステージを管理するための集中システムを提供します。従来の ML モデルのデプロイメント戦略もカバーされており、ハイパーパラメータチューニングと全体的なモデルライフサイクル管理に関するガイダンスも提供されます。両方のセクションで、MLflow のオープンソースの性質と Databricks との統合が強調されています。
MLflow は、データサイエンティスト、ML エンジニア、AI 開発者がワークフローを合理化し、コラボレーションを強化し、AI プロジェクトの信頼性とスケーラビリティを確保できるようにします。洗練されたエージェントシステムを構築する場合でも、従来の ML モデルをファインチューニングする場合でも、MLflow のドキュメントは、その強力な機能を効果的に活用するために必要な知識を提供します。
MLflow ドキュメントの主要機能
AI アプリケーション向けの LLM トレーシング
エージェント評価フレームワーク
プロンプト管理ツール
基盤モデルのデプロイメントガイダンス
AI ガバナンス機能
ML ワークフロー向けの実験追跡
モデルパッケージングとレジストリ管理
ハイパーパラメータチューニングサポート
エンドツーエンドの AI ライフサイクル管理
オープンソースプラットフォーム
MLflow ドキュメントをはじめる
LLMs & Agents を探索する: LLM およびエージェントのオブザーバビリティ、プロンプト管理、評価のためのツールにアクセスします。
LLM アプリケーション開発を学ぶ: LLM アプリケーションおよびエージェントワークフローの追跡、評価、最適化方法を理解します。
機械学習ガイドにアクセスする: 実験追跡、モデルパッケージング、レジストリ管理のための包括的なガイドを見つけます。
コア機能で始める: 従来の ML ワークフロー、ハイパーパラメータチューニング、モデルライフサイクル管理について学びます。
オープンソースを活用する: プロジェクトでオープンソース MLflow プラットフォームを活用します。
Databricks と統合する: 強化された機能のために Databricks 上の MLflow を探索します。
MLflow ドキュメントの使用例
- LLM アプリケーション開発
- エージェントワークフロー管理
- 従来の ML 実験
- モデルライフサイクル管理
- AI ガバナンスとコンプライアンス
- 基盤モデルのデプロイメント
- ハイパーパラメータチューニング
