Bir modelin üretimdeki davranışı sorgulandığında yanıt yalnızca metriklerde değil, o modeli üreten sürecin kaydındadır: hangi veri kümesi sürümü kullanıldı, hangi ön işleme çalıştırıldı, hangi parametrelerle eğitildi ve hangi değerlendirme sonucuyla onaylandı. Bu bilgiler dağınık kaldığında denetim talepleri, olay incelemeleri ve devir teslim süreçleri saatler süren arkeoloji çalışmasına dönüşür. ML metadata yönetimi bu kaydı sürecin doğal bir çıktısı haline getirir. Atölye üç modül boyunca metadata katmanını kurar. Katılımcılar artefakt ve çalıştırma kayıtlarını modelleyerek başlar, MLflow ve ML Metadata üzerinde kayıt akışını uygular ve soyağacı sorgularıyla bir artefaktın kökenini geriye doğru izler. Denetim senaryosunda istenen bilgilerin kayıtlardan çıkarılması uygulamalı olarak çalışılır. Katılımcı atölyeden metadata şeması ve soyağacı sorgu örnekleriyle ayrılır.