Projet : Projet représente un espace de noms pour une collection de modèles. Par exemple, un projet peut concerner des recommandations alimentaires, l’attribution de chauffeurs, la tarification des courses, etc.

Modèle : chaque modèle est associé à un (et un seul) projet et point de terminaison du modèle. Le modèle peut également avoir zéro ou plusieurs versions de modèle. Dans la hiérarchie des entités de MLflow, un modèle correspond à une expérience MLflow.

Point de terminaison du modèle : chaque modèle possède son propre point de terminaison qui contient une règle de routage vers le point de terminaison de la version active du modèle.

Version du modèle : la version du modèle représente une itération au sein d’un modèle. Une version de modèle est associée à une exécution dans MLflow. Une version de modèle peut être déployée en tant que service, il peut y avoir plusieurs déploiements de version de modèle avec chacun un point de terminaison différent.

Point de terminaison de version de modèle : un point de terminaison de version de modèle est un moyen d’obtenir des résultats d’inférence de modèle en temps réel, sur le réseau (HTTP).

Environnement : le nom de l’environnement est une propriété destinée à l’utilisateur qui sera utilisée pour déterminer le cluster Kubernetes cible sur lequel un modèle sera déployé. L’environnement possède deux propriétés importantes : le nom et le cluster Kubernetes.