Zbiór notebooków zawierających warsztaty z korzystania z MLFlow - od konfiguracji (setup, autentykacja, organizacja środowiska), przez standardowe wykorzystania, po MLFlow Projects i Recipes, oraz zastosowanie MLFlow w backtestingu.

Projekt używa uv do zarządzania zależnościami Pythona.

# macOS i Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# lub przez Homebrew (macOS)
brew install uv

1. Sklonuj repozytorium i przejdź do katalogu projektu
2. Zainstaluj zależności:

   uv sync

3. Aktywuj środowisko wirtualne:

   source .venv/bin/activate

uv run jupyter notebook

Musimy w tym katalogu utworzyć plik config ze zmiennymi konfigurującymi dostęp do MLFlow i bucketa na artefakty. Zmienne tworzymy na podstawie pliku config.template.

Spis treści:

• 01_introduction.ipynb - notebook wprowadzający, z opisem działania MLFlow, podstawowymi modułami, tworzenie pierwszego eksperymentu, ręczne logi vs autolog,
• 02_churn_analysis.ipynb - Przykład integracji MLFlow w analizie churnu klienta,
• 03_maintaining_a_model.ipynb - definicje modeli wraz z opisem wejścia/wyjścia, modele rejestrowane a zwykłe, tagi modeli, zmiana statusu modelu, walidacja modeli, MLFlow UI
• 04_projects_and_recipes.ipynb - MLFlow Project oraz MLFlow Recipes,

Notebook dodatkowy - 05_recipes.ipynb: Wykorzystanie MLFlow Recipes, czyli zaawansowane szablonowanie. Funkcjonalność jest w wersji beta, stąd nieobowiązkowość.