# Artifacts

← [Раздел](README.md) · [Главная](../README.md)

## Цель

Понять назначение, устройство и практику использования компонента **Artifacts** в MLflow.

## Предварительно

- [Parameters и Metrics](parameters-metrics.md)

## Время

**2–3 ч**

---

## Назначение

**Artifacts** — любые **файлы**, прикреплённые к run: модели, графики, отчёты, SHAP plots.

## API

```python
mlflow.log_artifact("outputs/confusion_matrix.png")
mlflow.log_artifacts("reports/", artifact_path="eval")
mlflow.log_dict({"precision": 0.9}, "metrics.json")
mlflow.log_figure(fig, "plot.png")
```

## Модель как artifact

Специальный случай — папка `model/` с файлом **MLmodel** (спецификация flavor).

## Скачивание

```python
local_path = mlflow.artifacts.download_artifacts(run_id="abc", artifact_path="model")
```

## Визуализация в UI

Картинки и текстовые файлы просматриваются в браузере. Большие бинарники — только download.

## Организация

```
artifacts/
  model/
  evaluation/
  explainability/
  data_profile/
```

## Размер и квоты

Следите за суммарным размером run. Для датасетов — храните **hash/URI** в tags, файл — в DVC.

## Подпись и целостность

Для audit: сохраняйте `checksum` dataset в artifact `data_manifest.json`.

---

## Самопроверка

1. Кратко опишите роль «Artifacts» в MLflow.
2. Назовите типичную ошибку при работе с этим компонентом.
3. Как этот компонент связан с соседними?

---

## Дальше

→ [MLflow Projects](mlflow-projects.md)