# MLFlowエクスペリメントの追跡

> MLFlowエクスペリメントの追跡 - DataRobot、MLFlow、Papermillを使用して機械学習のエクスペリメントを自動化し、エクスペリメントの追跡と結果のログ記録を行います。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-27T18:44:30.226393+00:00` (UTC).

## Primary page

- [MLFlowエクスペリメントの追跡](https://docs.datarobot.com/ja/docs/api/dev-learning/accelerators/exp-track-and-tune/mlflow.html.md): Full documentation for this topic (Markdown sidecar).

## Documentation content

[GitHubでこのAIアクセラレーターにアクセス](https://github.com/datarobot-community/ai-accelerators/tree/main/advanced_ml_and_api_approaches/MLFLOW_w_datarobot_experiments/)

エクスペリメントは、機械学習開発者の日常業務において必須の業務です。 時系列プロジェクトの場合、最適なモデルを実現するためにチューニングするパラメーターと設定の数自体が膨大な検索スペースになります。

時系列のユースケースのエクスペリメントの多くは、一般的で繰り返し可能です。 これらのエクスペリメントの追跡と結果のログ記録は、合理化を必要とする作業です。 手作業によるエラーと時間制限により最適でないモデルが選択され、より良いモデルがグローバルな最小値で失われる可能性があります。

DataRobot API、Papermill、MLFlowの連携により、機械学習の自動化のエクスペリメントが自動化され、より簡単で堅牢、共有が容易になります。

以下に説明するように、 [オーケストレーションノートブック](https://github.com/datarobot-community/ai-accelerators/blob/main/advanced_ml_and_api_approaches/MLFLOW_w_datarobot_experiments/orchestration_notebook.ipynb) を使用して [エクスペリメントノートブック](https://github.com/datarobot-community/ai-accelerators/blob/main/advanced_ml_and_api_approaches/MLFLOW_w_datarobot_experiments/experiment_notebook.ipynb) を設計および実行します。パラメーターのPermutationはDataRobotによって自動的に処理されます。 エクスペリメントの最後に、エクスペリメントノートブックのコピーが使用可能になり、コラボレーションとリファレンスのために各Permutationが出力されます。

アクセラレーターの [依存関係](https://github.com/datarobot-community/ai-accelerators/blob/main/advanced_ml_and_api_approaches/MLFLOW_w_datarobot_experiments/requirements.txt) を確認できます。

このアクセラレーターでは、以下のアクティビティをカバーします。

- トレーニングデータセットの取得。
- 新しいDataRobotプロジェクトの構築。
- 推奨モデルをデプロイ。
- DataRobotのエクスポート可能なJavaスコアリングコードを使用したSparkを介したスコアリング。
- DataRobotの予測APIによるスコアリング。
- DataRobotのMLOpsエージェントフレームワークに監視データをレポート。
- 新しいテーブルに結果を書き戻し。