Optimiza la generación de modelos analíticos

Descripción de la funcionalidad

MLProject es el asset principal en la productivización de un modelo de machine learning. Se ha modificado este asset añadiendo dos funcionalidades clave para aumentar su capacidad de ejecución: ejecutar varios entrenamientos de la misma versión del modelo de forma simultánea (multiRun) y, cuando se requiera, almacenar más de un modelo por entrenamiento (multiModel). El objetivo es eficientar el trabajo de los data scientists mejorando el throughput del ciclo MLOps.

Mejoras

1. multiRun: Permite crear varios runs de MLflow en una misma ejecución de un MLProject.
2. multiModel: Registro de varios modelos en una misma ejecución de un MLProject, pudiendo registrar varios modelos en el mismo run o en runs diferentes.
3. Tagging de modelos: Soporte para registrar tags y parámetros en los runs de una ejecución para clasificar e identificar de forma ágil los modelos.
4. Comparador de ejecuciones: La pantalla de resultados de una ejecución permite realizar comparaciones en una tabla configurable o mediante gráficas personalizadas (ver Insights).