Plataforma de IA: Del Notebook a Producción, Más Rápido

Un modelo de ML en un notebook es un activo; un modelo en producción es una ventaja competitiva. La Plataforma de IA de Arkham está diseñada para cerrar esa brecha. Es un entorno integral, de extremo a extremo, pensado para gestionar todo el ciclo de vida del machine learning, agilizando el camino desde la experimentación hasta el impacto operacional.

Nuestra plataforma se basa en una filosofía de flexibilidad “pro-code” con opciones low-code. Ofrece a los desarrolladores control programático dentro de un potente entorno de notebooks, a la vez que brinda herramientas visuales para una rápida visualización, monitoreo, programación y consumo, todo potenciado por TARS, nuestro copiloto de IA incorporado.

Centro de Control de MLOPs

Control de misiones para MLOPs

  • Desarrollo de modelos: ML Hub proporciona un entorno de notebook “pro-código” donde los científicos de datos pueden explorar datos, experimentar con características y entrenar modelos utilizando bibliotecas Python conocidas. Combina la flexibilidad del código personalizado con la aceleración de nuestro marco AutoML integrado.
  • Administración e implementación de modelos: Un Registro de modelos versionado es una única fuente de verdad para todos los artefactos del modelo y las métricas de performance. Desde el registro, los modelos pueden operacionalizarse sin problemas como un trabajo de inferencia por lotes programado o un punto final de API en vivo.
  • Control y consumo de modelos: Las salidas del modelo, ya sean por lotes o en tiempo real, son ciudadanos de primera clase en el ecosistema de Arkham. Pueden explorarse en el Catálogo de Datos, analizarse en libros de trabajo o usarse para alimentar aplicaciones operacionales, cerrando el ciclo de vida de MLOPs.

Componentes Principales

Nuestra Plataforma de IA está compuesta por varios servicios integrados que trabajan juntos para apoyar todo el ciclo de vida del machine learning:

  • ML Hub: Una potente interfaz de notebooks basada en Python para construir, entrenar y desplegar modelos de machine learning.
  • Workbooks: Una herramienta interactiva de dashboards para crear aplicaciones analíticas e informes sobre datos del Lakehouse o resultados de modelos.
  • TARS: Un copiloto conversacional que opera en toda la plataforma, acelerando flujos de trabajo mediante la generación de código, respuestas a consultas y ejecución de tareas.

Conceptos Básicos

Concepto

Descripción

Modelo

Un algoritmo de aprendizaje automático entrenado que puede ser versionado e implementado.

Versión del modelo

Una instantánea inmutable y con marca de tiempo de un modelo, que incluye su código, parámetros y artículos.

Trabajo de inferencia

Una ejecución programada de un modelo que se realiza sobre datos nuevos y publica sus Predicciones como un nuevo conjunto de datos.

Punto final de API

Un punto final activo y seguro que ofrece las Predicciones en tiempo real desde un modelo desplegado.

Cuaderno de trabajo

Un panel interactivo utilizado para la imagen de resultados del modelo, el control del rendimiento o el analizar los resultados.

El flujo de trabajo del constructor: del desarrollo al impacto

El diagrama a continuación describe el proceso de extremo a extremo para desarrollar y desplegar un modelo usando nuestra Plataforma de IA Arkham. Explica cómo se coordinan los componentes para crear un flujo de trabajo fluido desde el desarrollo inicial hasta el impacto operativo.

Related Reactende

La plataforma de IA está profundamente integrada con las otras capacidades centrales del ecosistema de Arkham.

  • Plataforma de Datos:: Brinda conjuntos de datos de alta calidad y grado de producción que son como el combustible esencial para todo entrenamiento de modelos y trabajos de inferencia por lotes.
  • Ontology: Entrega características semánticamente enriquecidas y conscientes del negocio a los modelos, y entrega métricas gobernadas para su consumo en Libros de Trabajo.
  • Gobernanza: Todos los modelos, conjuntos de datos y trabajos dentro de la Plataforma de IA están organizados y asegurados por las reglas de su Proyecto padre.