MLflow-stappen ordenen

Om succesvol te zijn in de model- en evaluatiefase van de ML-levenscyclus, is het belangrijk dat je je werkplek geordend houdt en een geschiedenis van verschillende experimenten bijhoudt. Zo kun je runs goed vergelijken en reproduceerbaar maken. MLflow biedt een handig, compleet platform om experimenten robuust te beheren. In de video heb je de verschillende stappen en commando’s gezien om runs aan te maken, te starten, naar te loggen en op te halen. In deze oefening zet je de MLflow-commando’s in de volgorde die je doorgaans gebruikt bij experimentbeheer.