개요 ML 모델을 만들 때 좋은 성능을 내는 모델을 찾아내기 위한 실험을 여러 번 한다 이 경우 실험 조건과 결과를 기록하는 것이 필수인데, 메모장이나 스프레드시트 같은 것들을 사용하곤 한다. 하지만 실험 인원이 많아지면 각자의 실험 코드가 달라지거나 모델 버저닝을 까먹을 수 있다. 또한 퍼라마터 수가 많아지면 기록이 귀찮게 된다. ML 모델의 실험, 배포를 쉽게 관리해주는 도구 중 하나가 바로 MLflow이다. MLflow의 핵심 기능들 실험 관리와 트래킹 머신러닝 관련 실험들의 metric, loss 등 실험 내용들을 추적하여 각 실험들의 내용과 결과를 저장해준다. 하나의 MLflow 서버를 두고 여럿이서 각자 자기 실험을 한 곳에 저장할 수도 있다. 실험 내용 뿐만 아니라 실험에 사용한 코드, 하이퍼파라미터, 가중지 파일 등도 저장할 수 있다. Model registry MLflow로 실험을 진행한 모델들을 model registry라는 저장소에