====== MLflow: Platforma pro správu ML životního cyklu ======

MLflow je open-source platforma, která pomáhá zvládnout komplexitu projektů strojového učení. Umožňuje sledovat experimenty, balit kód a nasazovat modely.


===== Klíčové výhody =====

    Univerzálnost: Podporuje knihovny jako Scikit-learn, TensorFlow, PyTorch nebo XGBoost.

    Transparentnost: Každý člen týmu vidí výsledky ostatních v centrálním UI.

    Snadná integrace: Lze integrovat do stávajícího Python/R kódu pomocí pár řádků.

===== Příklad logování (Syntaxe Python) =====

Vložení MLflow do skriptu je velmi jednoduché:

<code python> import mlflow

with mlflow.start_run(): # Logování parametrů (vstupy) mlflow.log_param("n_estimators", 100)

# Logování metrik (výstupy)
mlflow.log_metric("auc", 0.88)

# Uložení samotného modelu (artefakt)
mlflow.sklearn.log_model(sk_model, "random_forest_model")

</code>

===== UI Rozhraní =====

Pro prohlížení výsledků stačí v terminálu spustit:

$ mlflow ui

Poté je přehled dostupný na adrese %%http://localhost:5000%%.