Logo de MLflow

Inteligencia Artificial

MLflow

MLflow — sigue tus experimentos de ML, versiona tus modelos y traza tus apps LLM en tu VPS, con HTTPS y protegido.

Documentación oficial Código fuente

Acerca de MLflow

MLflow es la plataforma open source de referencia (licencia Apache-2.0) para el ciclo de vida del machine learning. Un servidor de seguimiento central recibe, desde tus notebooks y tus scripts de entrenamiento, los parámetros, las métricas y los artefactos de cada ejecución: comparas tus pruebas lado a lado en lugar de copiarlas en una hoja de cálculo.

El registro de modelos versiona lo que pasa a producción, con alias e historial. Y para las aplicaciones de IA generativa, MLflow traza cada llamada a un modelo de lenguaje — entradas, salidas, latencia, pasos intermedios — para entender una respuesta y depurarla. En ServOrbit, el servidor se instala en un clic, protegido por una cuenta de administrador y servido por HTTPS.

Lo que se instala

Listo al arrancar el VPS

SO compatibles
Distribuciones Linux a elegir
Aplicación
MLflow
Stack técnico
DockerPythonMLflowSQLite
RAM mínima
2 GB mínimo
CPU mínima
1 vCPU
Puerto por defecto
8111
Acceso
root por SSH

Funcionalidades clave

  • Seguimiento de experimentos — parámetros, métricas y artefactos de cada ejecución, comparados en la interfaz.
  • Registro de modelos — versiones, alias e historial de los modelos destinados a producción.
  • Trazas LLM — entradas, salidas, latencia y pasos de tus aplicaciones de IA generativa.
  • Artefactos servidos por el servidor — archivos, gráficos y modelos subidos y descargados por HTTPS, sin almacenamiento S3 que configurar.
  • Todas las bibliotecas de Python — scikit-learn, PyTorch, Transformers, XGBoost, OpenAI, LangChain, con registro automático.
  • Acceso protegido — cuenta admin con contraseña generada, exigida en la interfaz y en la API; las demás cuentas solo ven lo que se les comparte.

¿Cuándo usar esta solución?

Comparar tus entrenamientos

Cada ejecución de un notebook o de un script registra sus hiperparámetros y sus métricas: encuentras en una pantalla la prueba con mejores métricas, con su código y sus archivos.

Un registro de modelos para el equipo

Registra los modelos validados, dales un alias como «production» y deja que tu servicio de inferencia cargue siempre la versión correcta.

Depurar una aplicación LLM

Activa las trazas de tu asistente o de tu agente: cada petición muestra sus llamadas al modelo, sus pasos y su latencia, para entender una mala respuesta.

Guía

Desplegar MLflow en su VPS

  1. Crear el VPS y elegir la dirección

    Contrata un VPS Ubuntu 24.04 con 2 GB de RAM (4 GB y más disco si guardas muchos modelos). MLflow exige un dominio: tus scripts, tus notebooks y tu equipo se conectan a él, así que debe responder por HTTPS con un nombre estable. Se abre en un subdominio de uno de tus dominios, o en el subdominio gratuito del VPS (mlflow.{dns_slug}.servorbit-dns.com), HTTPS incluido. No hace falta comprar un nombre de dominio.

  2. Instalar MLflow desde Aplicaciones en 1 clic

    En tu área de cliente, selecciona MLflow, elige la dirección y haz clic en Instalar. El script despliega el contenedor oficial, genera la contraseña de la cuenta admin, activa la autenticación en la interfaz y la API, limita los nombres de host aceptados a tu dirección y configura el proxy inverso nginx con HTTPS.

  3. Iniciar sesión por primera vez

    Abre https://tu-dominio/: el navegador pide unas credenciales. Introduce admin y la contraseña que aparece en tu área de cliente. Puedes cambiarla después con la API users/update-password; la nueva contraseña se conserva tras los reinicios.

  4. Conectar tus notebooks y scripts

    Define MLFLOW_TRACKING_URI=https://tu-dominio, MLFLOW_TRACKING_USERNAME=admin y MLFLOW_TRACKING_PASSWORD, y luego llama a mlflow.start_run() en tu código. Los parámetros, las métricas y los artefactos aparecen en la interfaz al instante.

  5. Abrir el acceso a tu equipo

    Crea una cuenta por persona con la API users/create, conectado como admin. Una cuenta nueva no ve ningún experimento hasta que le compartes uno: los permisos se conceden experimento por experimento y modelo por modelo.

Preguntas frecuentes

Preguntas sobre MLflow

← Volver a Inteligencia ArtificialTodas las aplicaciones
Langfuse se centra en las aplicaciones LLM: trazas, evaluaciones y gestión de prompts. MLflow cubre todo el ciclo del machine learning — seguimiento de entrenamientos, comparación de pruebas, registro de modelos — y también traza aplicaciones de IA generativa. Para un equipo que entrena sus propios modelos, MLflow es el punto de partida adecuado; para una aplicación que solo llama a LLM, Langfuse está más especializado.

Integrar el botón de despliegue

¿Mantiene un proyecto que utiliza MLflow? Este botón permite a sus lectores desplegarlo en un VPS con un clic, sin leer documentación de Docker.

Deploy MLflow on ServOrbit
Markdown
[![Deploy MLflow on ServOrbit](https://servorbit.com/brand/deploy/button.svg)](https://servorbit.com/vps-cloud?template=mlflow&utm_source=deploy-badge&utm_medium=referral&utm_campaign=mlflow)
HTML
<a href="https://servorbit.com/vps-cloud?template=mlflow&utm_source=deploy-badge&utm_medium=referral&utm_campaign=mlflow"><img src="https://servorbit.com/brand/deploy/button.svg" alt="Deploy MLflow on ServOrbit" height="40"></a>

El botón lleva al pedido de un VPS con la plantilla preseleccionada. La imagen se sirve desde servorbit.com: no tiene que alojar nada por su parte.

Soluciones complementarias

Inteligencia Artificial

Langfuse

Plataforma de observabilidad LLM de código abierto: trace cada llamada de IA, evalúe la calidad de las respuestas, gestione sus prompts y compare los costos de los modelos — autoalojada en su VPS.

Desarrollo

marimo

Notebook de Python reactivo y de código abierto: notebooks guardados como archivos .py, celdas que se recalculan solas y librerías de datos incluidas.

Inteligencia Artificial

Ollama

Sirva LLM de código abierto desde su propio servidor. Descargue Llama 3, Mistral, Qwen o DeepSeek con un solo comando, detrás de una API compatible con OpenAI y sin coste por token.

¿Necesita ayuda?

Consulte nuestro centro de ayuda y nuestra FAQ, o contacte con nuestro equipo: llamada, WhatsApp o correo electrónico.

Escribir por WhatsAppse abre en una pestaña nueva
o escribirnos