MLflow-Schritte in die richtige Reihenfolge bringen

Damit die Phasen Modellierung und Evaluierung im ML-Lebenszyklus gelingen, brauchst du eine aufgeräumte Arbeitsumgebung und musst die Historie verschiedener Experimente festhalten, um Läufe vergleichbar und reproduzierbar zu machen. MLflow bietet dafür eine hilfreiche, umfassende Plattform zur robusten Verwaltung von Experimenten. Im Video hast du die einzelnen Schritte und Befehle kennengelernt, mit denen Runs erstellt, gestartet, geloggt und abgerufen werden. In dieser Übung bringst du die MLflow-Befehle in die Reihenfolge, die bei der Experimentverwaltung üblicherweise verwendet wird.