Experiment-tracking

MLflow를 활용한 ML 실험 추적, 모델 레지스트리, 배포 파이프라인을 실전 중심으로 다룹니다. Tracking Server 아키텍처부터 자동 로깅, 모델 버전 관리, Kubernetes/Docker 배포까지 프로덕션 환경에서 필요한 MLOps 전략을 상세히 설명합니다.

Weights & Biases(W&B)를 활용한 ML 실험 관리 실전 가이드. 실험 추적, Sweeps 하이퍼파라미터 튜닝, Artifacts 버전 관리, Model Registry, 팀 협업 기능까지 MLflow 비교와 함께 코드 예제로 다룹니다.

MLflow를 사용한 ML 실험 관리 전체 워크플로우를 실습합니다. Tracking으로 실험 기록, Model Registry로 버전 관리, 프로덕션 배포까지 핸즈온으로 구현합니다.

MLflow 공식 문서를 기반으로 Tracking, Projects, Models, Registry 4대 컴포넌트를 기능별로 상세 분석한다.