我们很高兴看到自从去年夏天推出MLflow以来，它受到了社区的欢迎。现在每月下载量超过800K，有130个代码贡献者和几十个贡献组织，包括RStudio和Microsoft，它是机器学习领域发展最快的开源项目之一，这证实了需要一个开源平台来帮助管理完整的ML生命周期。我们非常高兴能在下个月于2019年10月15日至17日在阿姆斯特丹举行的Spark+AI欧洲峰会上接待我们的一些主要贡献者和客户。下面是MLflow教程、会话和培训的列表，供您深入了解。MLflow和模型部署培训注册到生产中的机器学习：MLflow和Model Deployment学习MLflow的全天课程，您将学习将机器学习模型投入生产的最佳实践。利用MLflow Keynote简化ML模型管理10月17日，星期四，加入Matei Zaharia，参加一个新的主题演讲：用MLflow简化模型管理，了解更多关于MLflow最新和最新特性的信息。具体来说，我们将重点关注MLflow模型注册表的模型管理。许多组织都面临着跟踪组织中哪些模型可用以及哪些模型正在生产中的挑战。MLflow模型注册中心提供了一个集中的数据库来跟踪这些模型，共享和描述新的模型版本，并通过api部署模型的最新版本。MLflow深度潜水和谈话我们有一个很棒的阵容的发言者和会议贯穿整个会议的MLflow。与来自TomTom、Seldon Technologies、Microsoft、SociétéGérale、Asurion、Databricks等公司的专家一道，了解MLflow的真实示例和深入探讨：利用ApacheSpark、Delta Lake和MLflow，在TomTom的Sergio Ballesteros Solanas和Kia Eisinga的数据库上实现大规模的驾驶员定位智能与Seldon进行无缝端到端生产机器学习，与Seldon Technologies的Alejandro Saucedo一起学习MLflow在Clifford Chance，与来自Clifford Chance的Mirko Bernardoni和MichaelSeddon一起，用Spark、NLP和Azure Databricks革新法律行业改善数据科学家的生活：通过MLflow与微软的subrukrishnan和avriliafloratou一起实现ML生命周期的自动化通过Spark Structured Streaming、Delta Lake和来自Asurion的Tomasz Magdanski和Shobhit Gupta为Asurion的互联家庭平台供电MLflow的大规模机器学习和法国兴业银行刘崇光的Apache SparkMLflow和Azure Machine与微软的Nishant Thacker一起学习ML生命周期管理的强大耦合关于管理完整ML生命周期的免费教程最后但并非最不重要的是，您可以加入管理完整的机器学习生命周期与MLflow免费80分钟的动手实验，由Thunder Shiviah和Michael Shtelma介绍的Databricks。在这个MLflow教程中，我们将向您展示如何使用MLflow帮助您跟踪跨框架的实验运行和结果，快速重现运行，并使用Databricks生产作业、Docker容器、azureml或Amazon SageMaker生成模型。下一步行动您也可以从Spark+AI 2018欧洲峰会日程中浏览我们的会议。要开始使用开源MLflow，请按照中的说明操作mlflow.org网站. 我们很高兴听到您的反馈！如果你可以使用现有的rickaws或mlaws的数据流，那么你可以使用mlaws快速启动mlaws的数据流。如果您还不是Databricks用户，请访问databricks.com/mlflow了解更多，并开始免费试用Databricks和Managed MLflow。相关博客：2019年欧洲Spark+AI峰会人工智能、数据科学、机器学习和深度学习讲座指南2019年欧洲Spark+AI峰会数据工程讲座指南欧洲Spark+AI峰会上的开发者、深度探索和ApacheSpark教程讲座指南 免费试用Databricks。今天就开始吧