MLflow
Open-Source-Plattform für den gesamten ML-Lifecycle: Experiment Tracking, Model Registry, Deployment und Evaluation.
MLflow ist die führende Open-Source-Plattform für ML-Lifecycle-Management mit Tracking, Model Registry und Deployment – entwickelt von Databricks.
Erklärung
MLflow bietet vier Kernkomponenten: Tracking (Metriken/Parameter), Projects (reproduzierbare Runs), Models (Standardformat) und Model Registry (Versionierung). Es integriert sich mit allen gängigen ML-Frameworks.
Relevanz für Marketing
MLflow ist der De-facto-Standard für ML-Lifecycle-Management in Unternehmen und Start-ups.
Häufige Fallstricke
Skalierung des Tracking Servers bei vielen Teams. Kein eingebautes Feature-Store. UI wird bei tausenden Experimenten langsam.
Entstehung & Geschichte
Databricks veröffentlichte MLflow 2018 als Open-Source-Projekt. Version 2.0 (2023) brachte MLflow Recipes und verbesserte LLM-Unterstützung. Heute hat MLflow über 18.000 GitHub-Stars und ist Teil der Linux Foundation.
Abgrenzung & Vergleiche
MLflow vs. Weights & Biases
MLflow ist Open-Source und self-hosted; W&B ist SaaS-first mit besserer Visualisierung aber Vendor-Lock-in.
MLflow vs. Kubeflow
MLflow fokussiert auf Experiment Tracking und Model Management; Kubeflow auf Kubernetes-native ML-Pipelines und Orchestrierung.