Initial MLflow Server setup

Dockerfile

@@ -0,0 +1,33 @@
+# Image de base : Python 3.10 (compatible MLflow).
+FROM python:3.10-slim
+
+# Création d'un utilisateur non-root (exigence Hugging Face).
+RUN useradd -m -u 1000 user
+USER user
+ENV PATH="/home/user/.local/bin:$PATH"
+
+# Dossier de travail.
+WORKDIR /app
+
+# Installation de MLflow et de ses dépendances.
+COPY --chown=user ./requirements.txt requirements.txt
+RUN pip install --no-cache-dir --upgrade -r requirements.txt
+
+# Création des dossiers nécessaires au stockage MLflow.
+RUN mkdir -p /app/mlruns /app/mlartifacts
+
+# Port d'écoute (imposé par Hugging Face Spaces).
+EXPOSE 7860
+
+# Lancement du serveur MLflow.
+# --host 0.0.0.0 : écoute sur toutes les interfaces réseau
+# --port 7860 : port imposé par HF
+# --backend-store-uri : où stocker les métriques et hyperparamètres (SQLite local)
+# --default-artifact-root : où stocker les modèles entraînés (dossier local)
+# --serve-artifacts : laisse MLflow servir aussi les artefacts (modèles) via HTTP
+CMD ["mlflow", "server", \
+     "--host", "0.0.0.0", \
+     "--port", "7860", \
+     "--backend-store-uri", "sqlite:///app/mlflow.db", \
+     "--default-artifact-root", "/app/mlartifacts", \
+     "--serve-artifacts"]

README.md

@@ -1,11 +1,24 @@
 ---
-title: MLflow Server
-emoji: 💻
-colorFrom: pink
-colorTo: indigo
+title: MLflow Tracking Server
+emoji: 📈
+colorFrom: blue
+colorTo: green
 sdk: docker
+app_port: 7860
 pinned: false
-license: mit
 ---
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+# MLflow Tracking Server
+
+Serveur MLflow distant pour tracker mes expériences de machine learning.
+
+## Accès
+
+L'interface UI est accessible à l'URL du Space.
+
+Depuis un script Python local, configurer :
+
+```python
+import mlflow
+mlflow.set_tracking_uri("https://elicopter6-mlflow-server.hf.space")
+```

requirements.txt

@@ -0,0 +1,3 @@
+mlflow==2.16.2
+psycopg2-binary
+boto3