Recall везде + фиксы окружения

- recall_macro/recall_weighted во всех скриптах с метриками
  (train_simple, train_gpu, autolog_demo, hyperparam_sweep,
   grid_search_cv, load_and_predict, compare_runs)
- grid_search_cv: multi-metric scoring (accuracy + recall_macro)
- register_model: выбор лучшей модели по recall (--metric)
- MLflow warnings: name вместо artifact_path, сигнатура модели,
  numpy input_example для pytorch, подавление env-var INFO
- start_ui.sh: порт 5555 + file-store backend (фикс: UI не показывал
  эксперименты, т.к. скрипты писали в mlruns/, а сервер читал sqlite)
- setup_server.sh: развилка macOS/Linux + проверка MPS
- train_gpu: get_device CUDA→MPS→CPU, num_workers=0 на macOS
- AGENTS.md: гид для агента + саморегламент обновления
- README/CODE_WALKTHROUGH: выровнена нумерация уроков 8/9
- .gitignore: +.DS_Store
- удалён scripts/setup_git.sh

src/autolog_demo.py

@@ -13,11 +13,15 @@
 from sklearn.datasets import load_wine
 from sklearn.ensemble import GradientBoostingClassifier
 from sklearn.model_selection import train_test_split
-from sklearn.metrics import accuracy_score
+from sklearn.metrics import accuracy_score, recall_score
 
 import mlflow
 import mlflow.sklearn
 
+# Подавляем INFO MLflow о переменных окружения (напр. OPENAI_API_KEY) при логировании модели
+import os
+os.environ.setdefault("MLFLOW_RECORD_ENV_VARS_IN_MODEL_LOGGING", "false")
+
 
 def main():
     # ─── КЛЮЧЕВАЯ СТРОКА ──────────────────────────────────────
@@ -60,12 +64,18 @@ def main():
         # Можно добавить и ручные метрики — они дополнят автолог
         y_pred = model.predict(X_test)
         acc = accuracy_score(y_test, y_pred)
+        recall_macro = recall_score(y_test, y_pred, average="macro")
+        recall_weighted = recall_score(y_test, y_pred, average="weighted")
         mlflow.log_metric("manual_accuracy", acc)
+        mlflow.log_metric("manual_recall_macro", recall_macro)
+        mlflow.log_metric("manual_recall_weighted", recall_weighted)
 
         print(f"\n✅ Готово! Откройте MLflow UI:")
         print(f"   Эксперимент: autolog_wine")
         print(f"   Run: {run.info.run_id}")
-        print(f"   Accuracy: {acc:.4f}")
+        print(f"   Accuracy:         {acc:.4f}")
+        print(f"   Recall (macro):   {recall_macro:.4f}")
+        print(f"   Recall (weighted):{recall_weighted:.4f}")
         print(f"\n🔍 Что autolog залогировал автоматически:")
         print(f"   • Параметры: n_estimators, learning_rate, max_depth, ...")
         print(f"   • Метрики: training_accuracy, training_log_loss, ...")