MLflow est un ensemble de librairies visant à intégrer les différents aspects du machine learning ensemble. Les APIs ainsi proposées sont compatibles entre elles et avec diverses librairies de machine learning existantes.
Les trois modules actuels sont : * MLflow Tracking : Une interface (console et graphique) interactive pour stocker et comparer les résultats et paramètres d’expérimentations (de machine learning) * MLflow Projets : Un format de stockage de code utilisant Conda et Docker pour permettre de partager du code en s’assurant d’un résultat reproductible. (En reproduisant l’environnement utilisé lors de la première expérimentation) * MLflow Models : Un format d’enregistrement de modèle permettant de déployer un modèle (obtenu par une librairie de machine learning quelconque) vers Docker, Spark, Azure ou AWS.
Des interfaces sont aussi proposées en R et en Java pour MLflow.