Olá, Miguel, tudo bem?
A pasta mlruns é onde o MLflow armazena todas as informações sobre seus experimentos: parâmetros, métricas, modelos e outros artefatos. Cada vez que você executa um experimento, o MLflow cria uma nova subpasta dentro de mlruns para registrar os dados daquela execução.
No vídeo, o instrutor mostra que, ao executar o comando mlflow ui dentro da pasta notebooks, uma nova pasta mlruns é criada dentro dela, separada da pasta mlruns que já existia em outro lugar. Isso significa que os experimentos rodados a partir de notebooks ficam rastreados ali, de forma independente.
Pense assim: cada vez que você roda o MLflow em uma pasta diferente, ele cria uma “mesa de trabalho” nova (ou seja, uma nova mlruns) para organizar somente os experimentos daquele ambiente. Assim você não mistura os registros de projetos diferentes.
Sobre a ferramenta utilizada: o MLflow funciona tanto no VS Code quanto no Jupyter Notebook. A escolha depende apenas da sua preferência pessoal e do fluxo de trabalho que você achar mais confortável. Os comandos permanecem os mesmos em ambos os casos.
Por fim, se quiser acompanhar junto com o instrutor, o repositório do curso está disponível em:
Espero que agora tenha ficado mais claro!
Qualquer dúvida que surgir, compartilhe no fórum. Abraços e bons estudos!
Caso este post tenha lhe ajudado, por favor, marcar como solucionado ✓. Bons Estudos!