setting-up-experiment-tracking

Umożliwia szybkie wdrożenie systemu śledzenia eksperymentów dla projektów machine learning. Skill automatycznie konfiguruje środowisko, instaluje wymagane pakiety i inicjalizuje wybraną platformę (MLflow lub Weights & Biases). Otrzymujesz gotowe fragmenty kodu do logowania parametrów, metryk i artefaktów eksperymentów. Idealne dla zespołów chcących ustandaryzować proces dokumentacji i porównywania wyników modeli bez ręcznej konfiguracji.

1. Aktywuj skill, gdy potrzebujesz skonfigurować śledzenie eksperymentów w nowym lub istniejącym projekcie ML. Użyj fraz takich jak "setup experiment tracking" lub "initialize MLflow", aby skill automatycznie rozpoznał Twoje zapotrzebowanie.

2. Skill analizuje kontekst Twojego projektu i wybiera odpowiednie narzędzie — MLflow lub Weights & Biases — na podstawie Twoich preferencji lub istniejącej konfiguracji projektu.

3. Środowisko zostaje automatycznie skonfigurowane: skill instaluje niezbędne pakiety Pythona i ustawia zmienne środowiskowe wymagane do pracy z wybranym narzędziem.

4. Inicjalizacja narzędzia śledzenia — skill uruchamia lokalny serwer MLflow lub nawiązuje połączenie z projektem Weights & Biases, przygotowując platformę do rejestracji eksperymentów.

5. Otrzymujesz gotowe fragmenty kodu demonstrujące, jak logować parametry eksperymentów, metryki wydajności i artefakty (modele, wykresy, dane) bezpośrednio w Twoim kodzie ML.

6. Wykorzystaj dostarczone snippety w swoim projekcie, aby natychmiast rozpocząć śledzenie i porównywanie wyników różnych przebiegów eksperymentów.