• DATEN
  • EINSICHT
  • ANALYSE
  • MENSCH

MLflow Trainingsmetriken mit Ihrer KI vergleichen

Verbinden Sie MLflow mit Ihrem KI-Client, um Leistungstrends in Ihrer Experimenthistorie zu analysieren. Sie müssen nicht mehr mühsam Dashboards durchsuchen, sondern stellen einfach Fragen zum Fortschritt Ihres Modells.

Fragen Sie die KI zu dieser Seite

Kurzantwort

Wie kann ich Trainingsmetriken mit meiner KI vergleichen?

Ihre KI nutzt MLflow, um gezielt Durchläufe zu finden und deren Telemetriedaten abzurufen. Sie vergleicht dann die relevanten Metriken wie Loss oder Accuracy, um die Leistung verschiedener Modellversionen aufzuzeigen. So erkennen Sie Trends und Ausreißer, die für Ihre nächste Trainingssitzung entscheidend sind.

Die Ergebnisse

Was Ihre KI liefert

Die KI übernimmt die Datenabfrage, damit Sie sich auf die Ergebnisse konzentrieren können.

DATEN

Historische Vergleiche

Die KI ruft Metriken aus mehreren vergangenen Durchläufen ab. Sie erhalten eine klare Übersicht darüber, wie sich die Leistung über die Zeit verändert hat.

EINSICHT

Trendanalyse

Statt nur Rohdaten zu betrachten, erkennt Ihre KI, ob die Genauigkeit stagniert oder der Loss divergiert.

ANALYSE

Einfluss der Parameter

Die KI setzt Änderungen der Hyperparameter mit Änderungen der Metriken in Beziehung, damit Sie verstehen, was tatsächlich funktioniert hat.

MENSCH

Entscheidungsfindung

Die KI bereitet die Daten auf, aber Sie entscheiden, welcher Hyperparameter-Satz für das nächste Deployment in die Produktion geht.

Der Ablauf

Was Ihre KI tut, wenn die Anfrage eingeht.

Die KI geht von einer breiten Suche zu spezifischen Datenpunkten über, um Ihren Vergleich zu erstellen.

  1. Experimente finden

    Die KI durchsucht Ihren MLflow-Workspace, um die spezifischen Durchläufe oder Experimentgruppen zu finden, die Sie analysieren möchten.

    search_runs

  2. Telemetrie abrufen

    Sobald die Durchläufe identifiziert sind, ruft die KI die detaillierten Metriken und Parameter für jeden einzelnen Run ab.

    get_run

  3. Differenzen berechnen

    Die KI vergleicht die Werte der ausgewählten Durchläufe, um Verbesserungen oder Verschlechterungen zu ermitteln.

    search_runs

  4. Ergebnisse zusammenfassen

    Die KI übersetzt die rohen Metrikwerte in eine verständliche Zusammenfassung darüber, wie sich die Modelle unterscheiden.

    get_run

Probieren Sie es

Kopieren Sie diese Vorlagen zum Start.

Nutzen Sie diese Prompts, um Ihre Analyse zu beginnen.

Startpunkte

Ersetzen Sie die Experimentnamen oder Metrikbezeichnungen durch Ihre tatsächlichen MLflow-IDs.

MLflow Connector

Alles bereit. Wählen Sie Ihren MCP-Client und folgen Sie den Einrichtungsschritten.

Connector-Linkhttps://edge.vinkius.com/vk_preview_O0ZBpwFtJKVOQRXy98KSjGZvQNA27XEpDUDcFNyB/mcp

Claude Desktop

Folgen Sie den Schritten unten, um sich in Sekunden zu verbinden.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — MLflow capabilities are ready to use.
Konfiguration · claude_desktop_config.jsonKopieren
{
  "mcpServers": {
    "mlflow-ml-lifecycle-management-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_O0ZBpwFtJKVOQRXy98KSjGZvQNA27XEpDUDcFNyB/mcp"
    }
  }
}
In den Chat kopieren04

  • Vergleiche die Accuracy der letzten fünf Durchläufe in meinem 'image-classifier' Experiment.

  • Welcher Durchlauf im 'resnet-v2' Experiment hatte den niedrigsten Validation Loss?

  • Zeig mir, wie die Änderung der Learning Rate die Konvergenzgeschwindigkeit in meinen letzten Durchläufen beeinflusst hat.

  • Finde alle Durchläufe im 'nlp-finetune' Experiment, bei denen der F1-Score über 0,85 lag.

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Starten Sie hier

Einmal mit MLflow verbinden, dann fragen.

Verknüpfen Sie Ihre MLflow-Instanz einfach über Vinkius. Ihre Zugangsdaten bleiben verschlüsselt und sicher, sodass Sie sofort in Ihrem bevorzugten KI-Client Ihre Experimente abfragen können.

MLflow mit Ihrer KI verbinden

FAQ

So funktioniert die Aufgabe

  • 01

    Kann die KI meine Experimentparameter ändern?

    Nein. Die KI kann mithilfe der verfügbaren Tools nur Daten aus Ihren bestehenden Durchläufen lesen. Sie kann Ihre Experimente nicht modifizieren oder Trainingskonfigurationen ändern.

  • 02

    Kann ich die KI bitten, einen neuen Durchlauf zu erstellen?

    Nein. Dieser MCP ist darauf ausgelegt, Telemetriedaten zu lesen und zu vergleichen. Er kann keine neuen Trainingsjobs auslösen oder neue Durchläufe erstellen.

  • 03

    Sieht die KI alle meine Experimente?

    Die KI kann jedes Experiment sehen, nach dem Sie sie explizit suchen lassen oder auf das sie über die Suchwerkzeuge zugreifen kann.

  • 04

    Kann sie Diagramme für mich erstellen?

    Die KI kann Trends beschreiben und die Datenpunkte liefern, erstellt aber keine Bilddateien oder interaktiven Diagramme direkt.

  • 05

    Woher weiß sie, welche Durchläufe verglichen werden sollen?

    Sie geben an, welches Experiment oder welche spezifischen Run-IDs analysiert werden sollen, und die KI nutzt die Suchwerkzeuge, um diese zu finden.

  • Weitere Fragen zu MLflow? Alle Funktionen des MLflow Connectors ansehen

Verbinde MLflow mit Claude, Cursor, ChatGPT & mehr