Databricks lanceert Model Registry voor model management binnen MLflow

Databricks heeft Model Registry aangekondigd, een nieuwe mogelijkheid binnen MLflow. MLflow is een open source platform voor de machine learning lifecycle en is ontworpen door Databricks. Deze component maakt een uitgebreid model management proces mogelijk door data scientists en engineers te voorzien van een centrale plek om samen te werken aan machine learning-modellen en deze te delen.

Model Registry beheert de volledige lifecycle van modellen en hun aanpassing gedurende het hele proces van experiment tot productie. Sinds de introductie van MLflow op de Spark+AI Summit in 2018, hebben meer dan 140 mensen bijdragen geleverd en wordt het maandelijks meer dan 800.000 keer gedownload. Volgens medeoprichter en CTO Matei Zaharia bij Databricks weet iedereen die zich bezighoudt met de ontwikkeling van machine learning dat het een complex proces is. “De mogelijkheid om modellen te beheren en delen is onmisbaar om verwarring te voorkomen, omdat het aantal modellen in de experimentele-, test- en productiefase op kan lopen tot in de duizenden. De nieuwste toevoegingen aan MLflow, dat in samenspraak met honderden bijdragers is ontwikkeld, stellen organisaties in staat om ontwikkeling en deployment van machine learning te verbeteren.”

Model Registry is beschikbaar op het Databricks platform en heeft dezelfde voordelen als het Unified Data Analytics Platform, waaronder security, schaalbaarheid en fijnmazig toegangsbeheer. Als onderdeel van het open source aanbod van MLflow is de Model Registry-component ook beschikbaar via GitHub.