Open-Source-Plattform für ML-Lifecycle-Management: Experiment-Tracking, Model Registry und Deployment.
Kosten: Open Source, kostenlos. Databricks Cloud optional (ca. 500–5.000 €/Monat je nach Umfang).
Stärken
- Kostenlos und Open Source
- Experiment-Tracking und Modell-Versionierung
- Integration mit vielen ML-Frameworks
- Model Registry für Modell-Governance
Einschränkungen
- Selbst zu hosten erforderlich
- Technisches Setup nötig
- Community-Support (kein Enterprise-Support ohne Databricks)
Passt gut zu
So steigst du ein
MLflow installieren via pip install mlflow. Experiment-Tracking starten mit mlflow.start_run() in Python-Skripten.
Diesen Inhalt teilen:
Empfohlen in 2 Use Cases
Redaktionell bewertet · Preise und Funktionen können sich ändern.
Stimmt etwas nicht?
Preise geändert, Feature veraltet oder etwas fehlt? Wir freuen uns über Hinweise und Ergänzungen.
Weitere Tools
Augury
Augury
Predictive Maintenance Plattform spezialisiert auf Rotationsmaschinen (Motoren, Pumpen, Ventilatoren). Machine Learning analysiert Vibration und Akustiksignale zur Fehlervorhersage.
Mehr erfahrenBigQuery ML
Google Cloud
Machine-Learning-Erweiterung für Googles Data Warehouse BigQuery. Erlaubt es Data Analysts, ML-Modelle direkt per SQL zu trainieren und vorherzusagen — ohne separaten ML-Stack.
Mehr erfahrenBrightrock
Brightrock
ML-Plattform für Kosmetikformulierungen, die Stabilität, Verträglichkeit und Wirksamkeit von Rezepturen vorhersagt, bevor die erste Laborcharge hergestellt wird. Trainiert auf proprietären Formulation-Datenbanken.
Mehr erfahren