Архитектура Архитектура
Модели Модели
Обучение Обучение
Инструменты Инструменты
Применение Применение
Исследования Исследования
Глоссарий Глоссарий
глоссарий

Artifact store

Artifact store

Artifact store — это специальное хранилище для файлов, которые создаёт машинное обучение: обученные модели, датасеты, конфигурации, метрики и логи. Проще говоря, это «склад» для всех побочных продуктов экспериментов с версионированием и поиском.

Зачем он нужен? Каждый эксперимент порождает десятки артефактов, и без порядка команда тонет в файлах вроде «model_final_v3_2». Хуже того, без хранилища невозможно узнать, какая версия модели дала нужные метрики: данные, код и веса лежат отдельно. Artifact store хранит файлы вместе с метаданными — датой, параметрами запуска, идентификатором эксперимента.

Интуитивно это библиотечный каталог: у каждого артефакта есть карточка с датой и номером, по которой его легко найти. Система отслеживает зависимости — какая версия датасета использована в конкретной модели. Это обеспечивает воспроизводимость: любой участник команды может восстановить точный набор файлов для повторения результата.

Пример: служба доставки обучает модель прогноза времени. Инженер ставит эксперимент с новой предобработкой. Artifact store сохраняет веса, версию предобработчика, метрики и версию данных. Через месяц точность падает; инженер находит эксперимент, сравнивает версии и видит, что подрядчик изменил формат гео-координат. Откат — один клик.

В итоге artifact store — это гигиена ML-разработки. Он превращает разрозненные файлы в управляемую историю, делая процесс воспроизводимым, а команду — продуктивной.