MLflow Arayüzünde Çalıştırmaları Karşılaştırma
En iyi modelinizi bulmak için deneyleri sıralayın ve filtreleyin.
MLflow Arayüzünde Çalıştırmaları Karşılaştırma, CoddyKit'te ücretsiz bir MLOps Academy dersidir. Bu, 4 dersinin 3. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, MLOps Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. MLOps Academy kursu toplamda 4 dersten oluşur.
Bu dersin bazı bölümleri henüz çevrilmemiş olup İngilizce olarak gösterilmektedir.
The Runs Table
Open an experiment in the UI and you get a runs table: one row per run, with its params and metrics laid out as columns side by side.
Sort by a Metric
Click a metric column header to sort. Order by accuracy descending and your best run jumps straight to the top of the table.
Filter With a Search
Type a query in the search box to filter. Keep only the runs that match a condition, like a metric above a threshold you care about.
metrics.accuracy > 0.9 and params.max_depth = "6"Pick Which Columns Show
Too many columns? Toggle which params and metrics are visible so the table shows only the few that actually drive your decision.
Select Runs to Compare
Tick the checkboxes next to a few runs and hit Compare. MLflow opens a focused view of just those runs side by side.
The Parallel Coordinates Plot
The parallel coordinates plot draws each run as a line across params and metrics, so you can spot which settings lead to high scores.
Scatter and Contour Views
A scatter plot maps one param against a metric. It reveals trends, like accuracy rising then falling as tree depth grows.
Inspect One Run
Click any run to open its detail page. There you see every logged param, metric curve, tag, and artifact for that single execution.
Read Metric Curves
On the detail page, stepped metrics render as curves. A loss that flattens early hints you trained longer than you needed to.
Search From Code Too
You are not stuck in the browser. Use search_runs to pull matching runs into a DataFrame and analyze them programmatically.
df = mlflow.search_runs(filter_string="metrics.accuracy > 0.9")From Compare to Decision
Comparing is how you choose a winner. Sort, filter, and plot until one run clearly stands out, then move it toward production.
Quick Check
Let us check how you surface your best run in the UI.
Recap
You sorted, filtered, and plotted runs, then opened details to confirm a winner. The UI turns a pile of runs into a clear choice. ✅
Sıkça Sorulan Sorular
“MLflow Arayüzünde Çalıştırmaları Karşılaştırma” dersi ücretsiz mi?
Evet — “MLflow Arayüzünde Çalıştırmaları Karşılaştırma” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve MLOps Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. MLOps Academy kursu toplamda 4 dersten oluşur.
“MLflow Arayüzünde Çalıştırmaları Karşılaştırma” dersinde ne öğreneceğim?
En iyi modelinizi bulmak için deneyleri sıralayın ve filtreleyin. MLOps Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
MLOps Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te MLOps Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 3. dersidir.
“MLflow Arayüzünde Çalıştırmaları Karşılaştırma” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu MLOps Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her MLOps Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- MLflow Kurulumu ve İzlemeye Başlama
- Parametreleri, Metrikleri ve Yapıtları Günlüğe Kaydetme
- MLflow Arayüzünde Çalıştırmaları Karşılaştırma
- Tek Satır Kodla Otomatik Günlükleme