Model registry nedir ve hangi araçları kullandınız (MLflow, W&B)?

Model registry, makine öğrenimi modellerinin merkezi bir depolama alanı ve sürüm yönetim sistemidir. Modelleri izlemeye, saklamaya, karşılaştırmaya ve dağıtmaya olanak tanır ve böylece modellerin yaşam döngesi üzerinde kontrol sağlar.

Model registry'nin temel işlevleri:

• Meta verilerle modellerin saklanması (sürüm, parametreler, metrikler).
• Modellerin sürümlerinin yönetimi.
• Modelin durumunu değiştirme imkanı (örneğin, staging, üretim).
• Otomatik dağıtım için CI/CD boru hatlarıyla entegrasyon.

Sık kullanılan araçlar:

• MLflow Model Registry — MLflow'un bir parçası, modellerin saklanmasını, sürüm yönetimini ve aşamalar arasında geçişleri sağlar.
• Weights & Biases (W&B) — deneyleri takip etmek ve modelleri yönetmek için platform, model registry'yi metrikler ve sürümlerle görselleştirmeyi içerir.

MLflow kullanarak modeli kaydetme örneği:

import mlflow
import mlflow.sklearn

with mlflow.start_run():
    model = train_model()
    mlflow.sklearn.log_model(model, "model")
    mlflow.log_metric("accuracy", accuracy)
    mlflow.register_model("runs:/<run_id>/model", "MyModel")

Bu şekilde, model registry modellerle çalışma düzenini sağlar, tekrar kullanımını ve dağıtımını kolaylaştırır.