Ordonner les étapes MLflow

Pour réussir les phases de modélisation et d’évaluation du cycle de vie Machine Learning, vous devez garder un espace de travail organisé et conserver l’historique de vos expériences afin d’assurer la comparabilité et la reproductibilité entre exécutions. MLflow offre une plateforme complète et pratique pour gérer les expériences de manière robuste. Dans la vidéo, vous avez découvert les différentes étapes et commandes permettant de créer, démarrer, consigner et récupérer des exécutions. Dans cet exercice, vous allez ordonner les commandes MLflow généralement utilisées pour gérer les expériences.