> ML_KUTUPHANE // MLFLOW_v1.0
MLflow
Databricks / Linux Foundation AI & Data — Makine öğrenimi yaşam döngüsü yönetimi ve model kayıt defterleri için sektör standardı açık kaynak platform.
lifecycle-trackingv2.16.2Apache-2.0qualified
Model Eğitimi (Training)
Bu kütüphane optimize edilmiş bir inference motorudur; model eğitimi için kullanılmaz.
Model Sunumu (Inference)
Inference Hızlandırıcıları:
CPUCUDA
Hedef Ortamlar (Targets):server
Neleri Sağlar (Ne Yapar)
- +Kapsamlı deney takibi: parametreler, metrikler, git commit'leri ve dosya artefaktları
- +Model Kayıt Defteri (Model Registry): merkezi model sürümleme, takma adlar ve üretim aşaması takibi
- +MLflow pyfunc: herhangi bir çerçeveyi paketleyen evrensel dağıtım soyutlaması (scikit-learn, PyTorch, XGBoost, Transformers)
- +Üretken yapay zeka uygulamalarında LLM değerlendirmesi ve istem takibi için MLflow Tracing
Neleri Sağlamaz (Ne Yapmaz)
- -Doğrudan makine öğrenimi modelleri eğitme
- -Genel DAG zamanlaması için Airflow veya Prefect gibi orkestratörlerin yerini alma
- -Milisaniyenin altında yüksek frekanslı ticaret yürütmesini doğal olarak sunma
>Uygun İş Tipleri
- Yüzlerce veri bilimci genelinde deney takibini standartlaştıran kurumsal ML platformları
- Üretim dağıtım onaylarını ve sürüm geri almalarını yöneten merkezi model kayıt defteri
- pyfunc aracılığıyla çeşitli ML ve LLM modellerini standart Docker konteynerlerine paketleme
>Uygun Olmayan İş Tipleri
- Metrik takibinin gereksiz ek yük olduğu bağımsız küçük ölçekli betikler
- Ağ bağlantısı olmayan uç mikrodenetleyiciler
Veri Yerleşimi ve İkameti
PostgreSQL ve MinIO/S3 kullanılarak %100 kurum içinde barındırılabilir. Databricks'e sıfır veri gönderilir.
Güvenlik Değerlendirmesi
Apache-2.0 lisansı. Güvenilir Linux Foundation AI & Data yönetişimi.
Operasyonel Metrikler ve Bilinen Kısıtlar
Olgunluk:mature
Öğrenme Eğrisi:low
Operasyon Yükü:moderate
Maliyet Seviyesi:free-oss
> Bilinen Kısıtlamalar:
- Kendi sunucunuzda barındırılan takip sunucuları, artefakt depolaması için ilişkisel bir veritabanı (Postgres) ve bir nesne deposu (S3/GCS/MinIO) yönetmeyi gerektirir.
İlişkili Üretim Arıza Paternleri (Incidentpedia)
Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:
> Birincil Kanıt ve Doğrulama Kaynakları
MLflow Documentationofficial-docs • >=2.15.0, <=2.16.x
2026-09-25HIGH