VK Cloud представила инструмент для управления жизненным циклом моделей машинного обучения MLflow

В ML Platform от VK Cloud появился сервис MLflow для автоматизации работы с моделями машинного обучения. MLflow поможет специалистам по данным управлять проведением экспериментов, сравнивать ML-модели и их результаты, а также воспроизводить тесты.

Облачная платформа Cloud ML Platform объединяет преднастроенные сервисы JupyterHub и MLflow для проведения экспериментов с данными и работы с моделями машинного обучения. Это полностью готовая среда для создания ML-решений, которую можно развернуть в облаке в несколько кликов.

Новый компонент платформы MLflow позволяет компаниям реализовать концепцию MLOps для стандартизации разработки моделей, сокращения времени вывода их в продакшен, эффективного трекинга и контроля версий. С помощью ML Platform дата-инженеры и дата-сайентисты смогут самостоятельно разворачивать среду для экспериментов и построения моделей, а также масштабировать вычислительные мощности под любые нагрузки. Это упрощает процесс проверки гипотез и повышает скорость получения результатов.

«Технологии машинного обучения лежат в основе самых передовых продуктов, и мы хотим, чтобы как можно больше компаний и специалистов могли пользоваться эффективными средствами ML-разработки. MLflow — один из наиболее простых в работе инструментов на рынке, позволяющий специалистам по Data Science управлять жизненным циклом моделей машинного обучения. При этом решение работает практически с любой ML-библиотекой», — комментирует Дмитрий Лазаренко, директор по продукту VK Cloud.

На платформе VK Cloud сервис MLflow интегрирован с JupyterHub. В будущем появится интеграция с объектным S3-совместимым хранилищем и Managed-базами данных.

Компании могут бесплатно использовать возможности MLflow в рамках бета-теста платформы Cloud ML Platform.