Configurer le suivi d'expérience ML
Suivre des expériences ML avec MLflow
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Configurez le suivi d'expérience MLflow pour un script d'entraînement de [TYPE_MODÈLE]. Journalisez : hyperparamètres, métriques d'entraînement/validation par époque, importance des caractéristiques, artefacts du modèle, empreinte des données d'entrée et informations sur l'environnement. Créez une vue de comparaison entre les exécutions et mettez en place un registre de modèles avec des étapes de préproduction/production.
Personnaliser ce prompt avec Léa
Réponds à 3 questions, Léa adapte le prompt à ta situation.
Cas d'usage
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Conseil : pour la traçabilité, loggez aussi un hash des données (`mlflow.log_input` ou une métrique `data_hash`) et les versions des librairies via `mlflow.log_env`. Pour le registre, préférez `client.transition_model_version_stage` avec des étapes explicites. La comparaison se fait simplement avec `mlflow.search_runs` qui retourne un DataFrame prêt à analyser.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.