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. Nuestra Plataforma IA está diseñada para cerrar esa brecha. Es un entorno completo y de extremo a extremo diseñado para gestionar el ciclo de vida completo del machine learning, agilizando el camino desde la experimentación hasta el impacto operativo.
Nuestra plataforma se basa en una filosofía de flexibilidad "pro-code" con opciones de bajo código. Ofrece a los desarrolladores control programático dentro de un potente entorno de notebook, al tiempo que proporciona herramientas controladas por la interfaz de usuario para una rápida visualización, monitoreo, programación y consumo, todo ello potenciado por TARS, un copiloto de IA a bordo.
Centro de Control de MLOPs
Centro de control para MLOPs
- Desarrollo de modelos: Nuestro ML Hub ofrece un entorno de notebook "pro-code" donde los científicos de datos pueden explorar datos, experimentar con características y entrenar modelos utilizando bibliotecas de Python familiares. Combina la flexibilidad del código personalizado con la aceleración de nuestro marco de AutoML integrado.
- Gestión y Despliegue de Modelos: Un Registro de Modelos versionado es una única fuente de verdad para todos los artefactos de modelos y métricas de rendimiento. Desde el registro, los modelos pueden ser operacionalizados sin problemas como un trabajo de inferencia por lotes programado o un endpoint de API en vivo.
- Consumo y Monitoreo de Modelos: Los resultados de los modelos, ya sean por lotes o en tiempo real, son ciudadanos de primera clase en el ecosistema de Arkham. Pueden ser explorados en nuestro Data Catalog, analizados en Workbooks, o utilizados para potenciar aplicaciones operativas, cerrando el ciclo de nuestro ciclo de vida de MLOps.
Componentes Clave
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.Data Catalog data and model results.
- 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 Clave
Concepto
Descripción
Notebook Template
A pre-built notebook for a specific use case (e.g., Customer Churn) that provides boilerplate code and a best-practice workflow.
Model Class
A pre-built, configurable class within a notebook for a common ML task (e.g., Classification, Regression, Forecasting, Anomaly Detection, Clustering, Anomaly Detection Time Series) that accelerates development.
Versión del modelo
Una instantánea inmutable y con marca de tiempo de un modelo, incluyendo su código, parámetros y artefactos.
Trabajo de inferencia
Una ejecución programada de un modelo que se ejecuta sobre nuevos datos y publica sus predicciones como un nuevo dataset.
Flujo de Trabajo: Del Desarrollo al Impacto
El siguiente diagrama describe el proceso de extremo a extremo para desarrollar y desplegar un Modelo utilizando nuestra Plataforma IA de Arkham. Ilustra cómo los componentes se coordinan para crear un flujo de trabajo sin fisuras desde el desarrollo inicial hasta el impacto operativo.
Capacidades Relacionadas
Nuestra Plataforma IA está profundamente integrada con las otras capacidades centrales del ecosistema de Arkham.
- Plataforma de Datos: Proporciona los datasets de alta calidad y de grado de producción que sirven como el combustible esencial para todo el entrenamiento de Modelos y los Trabajos de Inferencia por lotes.
- Ontology: Entrega características semánticamente ricas y conscientes del negocio a los modelos y proporciona métricas gobernadas para el consumo en Workbooks.
- Gobernanza: Todos los modelos, datasets y trabajos dentro de nuestra Plataforma IA están organizados y asegurados por las reglas de su Proyecto principal.
