Su plataforma MLOps, alojada en Francia
La plataforma de referencia para el ciclo de vida del machine learning impulsada por MLflow, instalada y mantenida por DINAO. Sus experimentos, modelos y datos de entrenamiento permanecen en nuestros servidores franceses — sin depender de un cloud ML estadounidense.
¿Qué es MLflow?
MLflow es una plataforma de código abierto de referencia para gestionar el ciclo de vida completo del machine learning. Cubre el seguimiento de experimentos, la reproducibilidad del código, el registro de modelos y el despliegue, y se ha impuesto como un estándar del MLOps.
Su componente Tracking registra parámetros, métricas y artefactos en cada ejecución, lo que permite comparar entrenamientos e identificar el mejor modelo. El Model Registry versiona los modelos y orquesta su promoción entre las etapas (staging, producción), mientras que MLflow Projects garantiza un empaquetado reproducible. MLflow también soporta el seguimiento y la evaluación de aplicaciones LLM / GenAI.
Independiente de las bibliotecas, MLflow se integra con scikit-learn, PyTorch, TensorFlow, XGBoost y muchas otras, mediante SDKs Python, R, Java y una API REST. Con un backend PostgreSQL y un almacenamiento de artefactos S3-compatible, se despliega en contenedor y escala naturalmente para los equipos de datos.
Aloja MLflow en DINAO
Niveles de recursos compatibles con los requisitos de MLflow (mínimo 1 vCPU / 1 Go / 5 Go disque). Alojado en Francia, gestionado.
- 1 vCPU dedicados
- 2 Go de RAM
- 20 Go NVMe
- Copias de seguridad diarias
- Gestionado y supervisado por DINAO
- 2 vCPU dedicados
- 4 Go de RAM
- 40 Go NVMe
- Copias de seguridad diarias
- Gestionado y supervisado por DINAO
- 4 vCPU dedicados
- 8 Go de RAM
- 80 Go NVMe
- Copias de seguridad diarias
- Gestionado y supervisado por DINAO
- 8 vCPU dedicados
- 16 Go de RAM
- 160 Go NVMe
- Copias de seguridad diarias
- Gestionado y supervisado por DINAO
Esta aplicación utiliza IA
El contenedor aloja la aplicación, no el motor de IA (que exige GPUs dedicadas) : la inferencia se conecta externamente, con tu propia clave de proveedor. Prioriza un motor soberano — Mistral AI, NumSpot, Scaleway o OVHcloud AI Endpoints (Francia, GDPR) ; un actor internacional (OpenAI, Anthropic…) solo si una capacidad específica lo exige. Suscripciones de inferencia no incluidas en el alojamiento.
Detalles técnicos
Te preguntas…
¿Para qué sirve MLflow?
MLflow gestiona todo el ciclo de vida de sus modelos de machine learning: seguimiento de experimentos (parámetros, métricas, artefactos), empaquetado del código, registro de modelos versionados y despliegue. Es la columna vertebral de un enfoque MLOps.
¿Mis conjuntos de datos salen de mis servidores?
No. En su instancia DINAO alojada en Francia, sus datos de entrenamiento, experimentos y modelos permanecen en nuestros servidores. No se transmite ningún dato a un cloud de terceros.
¿Qué frameworks ML son compatibles?
MLflow se integra con la mayoría de las bibliotecas: scikit-learn, PyTorch, TensorFlow, XGBoost, y muchas otras, mediante los SDKs Python, R, Java y la API REST. El seguimiento LLM/GenAI también está soportado.
¿Se necesitan conocimientos técnicos?
MLflow está dirigido a equipos de datos/ML. DINAO gestiona la instalación, el backend (PostgreSQL, almacenamiento de objetos), la seguridad y las actualizaciones; sus científicos de datos se centran en sus modelos.
¿Puedo cambiar de tarifa o exportar mis datos?
Sí. Sube o baja de nivel en cualquier momento, y sus experimentos, modelos y artefactos siguen siendo exportables: sin bloqueo propietario, ya que MLflow es de código abierto.
