10.2 Visão geral do MLflow

O MLflow é uma ferramenta baseada em quatro componentes principais:

• MLflow Tracking: uma API e uma UI para registro (logging) de parâmetros, versões de código, métricas e artefatos em uma execução de um experimento. Esse registro permite o rastreamento e a comparação de cada execução.

• MLflow Projects: um formato padronizado para empacotar e reutilizar código de machine learning utilizado normalmente para gerar modelos. Esse formato permite que qualquer pessoa consiga reproduzir a execução de um experimento em qualquer máquina.

• MLflow Models: uma convenção para empacotamento de modelos de machine learning de forma a possibilitar sua execução sem a necessidade de instalação manual das ferramentas e dependências.

• MLflow Registry: um armazenamento centralizado de modelos, para que os desenvolvedores possam publicar e reutilizar seus modelos.

O MLflow pode ser útil em diferentes cenários, desde cientistas de dados trabalhando individualmente até equipes maiores, pois ele oferece ferramentas úteis para diferentes tarefas. Outra característica do MLflow é sua abordagem modular. Não é necessário utilizar todos os componentes, apenas aquele ou aqueles que forem mais interessantes.

Além disso, vale destacar que existem duas versões do MLflow: a versão open source, que utilizaremos aqui, e a versão gerenciada, um serviço contratado da Databricks e que tem algumas funções adicionais.

A documentação do MLflow tem uma série de tutoriais e exemplos para compreender os conceitos básicos. Para executar os tutoriais, recomendamos os seguintes passos:

1. Configure o Docker e Python conforme explicado nas seções 1.3 Configuração do Ambiente - Python e 1.4 Configuração do Ambiente - Docker

2. Crie um ambiente virtual com o seguinte comando: python -m venv .venv

3. Ative o ambiente virtual com o comando: .venv\Scripts\Activate.ps1 ou .venv/Scripts/activate

4. Instale o mlflow com o comando: pip install mlflow

5. Suba o servidor com o comando: mlflow server --host 127.0.0.1 --port 8080

Recomendamos a criação de um ambiente virtual para cada tutorial, para manter o isolamento dos ambientes.

Finalmente, os tutoriais assumem que, ao executar um projeto no GitHub utilizando mlflow run, existe um branch chamado "master". Caso não exista, basta especificar o nome do branch no parâmetro version:

mlflow run --version main https://gitlab.com/daniel.lucredio/mlflowtutorial1.git -P alpha=5.1

Neste momento da leitura, recomendamos o tutorial de regressão linear para um primeiro contato com o servidor de tracking do mlflow.