Plateforme open source créée par Databricks pour gérer le cycle de vie ML complet, organisée autour de quatre composants : Tracking (enregistrer métriques, paramètres et artefacts de chaque expérience pour les comparer), Projects (packager le code ML de façon reproductible), Models (standardiser le format de packaging des modèles pour les rendre déployables sur n'importe quel runtime) et Registry (gérer les versions et le cycle de vie production/staging/archivé). MLflow est le standard de facto pour le tracking d'expériences ML ; il s'intègre avec Scikit-learn, TensorFlow, PyTorch, XGBoost et la plupart des frameworks. Databricks propose une version managée avec des fonctionnalités enterprise supplémentaires.