機器學習的發展帶來許多新的複雜性超出了傳統的軟件開發生命周期。與傳統的軟件開發,毫升開發者想嚐試多個算法,工具和參數來得到最好的結果,他們需要跟蹤這個信息複製工作。此外,開發人員需要使用許多不同的係統productionize模型。

解決這些挑戰,去年6月,我們推出了MLflow,一個開源的平台來管理機器學習的完整生命周期。Beplay体育安卓版本最近在舊金山,火花+人工智能峰會上我們宣布的一般可用性管理MLflow和即將發布的MLflow 1.0。

在這個網絡研討會,我們回顧了新的和現有MLflow功能使您可以:

• 跟蹤實驗運行和結果在框架。
• 執行項目遠程磚集群,並迅速繁殖跑步。
• 快速productionize模型使用磚生產工作,集裝箱碼頭工人,Azure ML,或亞馬遜SageMaker

筆記本電腦後將提供網絡研討會,這樣您就可以在自己的節奏練習。

主持人