MLflow в облаке. Простой и быстрый способ вывести ML модели в продакшен

mcs.mail.ru/bigdata/
MLflow - один из самых стабильных и легких современных инструментов, позволяющих специалистам по Data Science управлять жизненным циклом моделей машинного обучения на всем его протяжении.
В видео мы прошли все этапы установки и настройки MLflow в максимально близком к production варианте, а также показали, как реализовать использование облачных сервисов в качестве различных backend-сервисов MLflow.
Ведущий: Александр Волынский, PaaS-архитектор платформы Mail.ru Cloud Solutions.
Программа: events.webinar.ru/mcs/mlflow
Репозиторий: github.com/stockblog/webinar_...

[@mmmingalov]

Виртуальная машина -- 12:30 База данных -- 14:30 S3 -- 17:15 MLFlow -- 19:15 JupyterHub -- 27:00

[@stanislavg.7903]

Классно все. Спасибо. Только это Jupyter notebook a не JupyterHub. И по поводу conda, не знаю на сколько корректно её использовать учитывая политику лицензирования с community только для личного не коммерческого использования. Все работает и через virtualenv хорошо.

[@user-xn1ly6xt8o]

poetry ещё есть