Open-Source 29.06.2020, 10:58 Uhr

MLflow-Projekt tritt der Linux-Foundation bei

MLflow, eine von Databricks entwickelte Open Source-Plattform für maschinelles Lernen (ML) wird der Linux Foundation beitreten.
Durch die Kooperation mit der Linux-Foundation soll das MLflow-Projekt weiter ausgebaut werden.
(Quelle: www.mlflow.org )
Seit seiner Einführung auf dem Spark + AI Summit vor zwei Jahren hat MLflow eine beeindruckende Entwicklung hingelegt: Die Community, die sich aktiv an der Entwicklung beteiligt wuchs aud 200 Mitwirkende und die Plattform kann sich über mehr als 2 Millionen Mal Downloads pro Monat freuen.
»Die stetige Zunahme des Community-Engagements zeigt das Interesse der Data Teams an der Machine-Learning-Plattform der Zukunft. Die Zustimmung zeigt die Notwendigkeit eines Open-Source-Ansatzes zur Standardisierung des Lebenszyklus von Machine Learning«, erklärt Michael Dolan, VP of Strategic Programs bei der Linux Foundation. »Unsere Erfahrung in der Zusammenarbeit mit den größten Open-Source-Projekten der Welt zeigt, dass ein Open-Governance-Modell durch eine breite Beteiligung der Industrie und Konsensbildung eine schnellere Innovation und Umsetzung ermöglicht.«
Databricks hat MLflow als Reaktion auf den komplizierten Prozess der ML-Modellentwicklung erstellt. Traditionell war der Prozess zum Erstellen, Trainieren, Optimieren, Bereitstellen und Verwalten von Maschinenmodellen für Datenwissenschaftler und -entwickler äußerst schwierig. Im Gegensatz zur herkömmlichen Softwareentwicklung, die sich nur mit Codeversionen befasst, müssen ML-Modelle auch Versionen von Datensätzen, Modellparametern und Algorithmen verfolgen, wodurch ein exponentiell größerer Satz von Variablen zum Verfolgen und Verwalten erstellt wird. Darüber hinaus ist ML sehr iterativ und basiert auf einer engen Zusammenarbeit zwischen Datenteams und Anwendungsteams. MLflow verhindert, dass dieser Prozess zu arbeitsintesiv wird, indem es eine Plattform zur Verwaltung des gesamten ML-Entwicklungszyklus von der Datenaufbereitung bis zur Produktionsbereitstellung bietet, einschließlich Experimentverfolgung, Verpacken von Code in reproduzierbare Läufe sowie Modellfreigabe und Zusammenarbeit.


Das könnte Sie auch interessieren