En esta versión de plataforma, en colaboración con el equipo de onesait data, se ha desarrollado aún más el soporte a modelos de ML. Se han incluido mejoras en el cliente de python de plataforma en la gestión de modelos, de modo que esta sea homogénea y permita a los datascientists centrarse en la creación del modelo en si.
Para su uso, tanto en notebooks de plataforma, como desde fuera (por ejemplo, un shell de python, jupyter o en producción en un microservicio), se ha evolucionado la librería de python con nuevas funcionalidades que permiten:
Almacenar/recuperar de forma transparente los archivos de los modelos generados por los entrenamientos en el file repository
Usar datos de ontologías como input de datos de los modelos
Gestión de una ontología de metainformación de los diferentes modelos asociados y la recuperación del modelo más preciso
Logs de todo el proceso centralizados en la auditoría de plataforma
Esta librería estará, por defecto, en los notebooks de la siguiente versión de plataforma publicandose en su versión 1.4.0 del repositorio de pypi. Al igual que las versiones anteriores será instalable en cualquier lugar a traves del comando de pip:
...
A futuro, continuando con el trabajo en conjunto con onesait data, se evolucionará aún más y, esta nueva pieza, servira como germen para una gestión automatizada del ciclo de vida de los modelos desde el desarrollo hasta la parte del despliegue en producción
Para más información consultar el siguiente enlace: /wiki/spaces/PT/pages/1732477102 In this platform version, in collaboration with the onesait data team, support for ML models has been further developed. Improvements have been included in the platform Python client in model management, so that it is homogeneous and allows data scientists to focus on the creation of the model itself.
For use, both in platform notebooks, and from outside (for example, a Python or Jupter shell, or in production in a microservice), the Python library has evolved with new features that allow to:
Transparently store/retrieve the files of the models generated by the trainings in the file repository.
Use ontology data as data input for models.
Manage a meta-information ontology of the different associated models and the recovery of the most accurate model.
Log the entire process centralized in the platform audit.
This library will be, by default, in the notebooks of the next platform version, being published in version 1.4.0 of the pypi repository. Like the previous versions, it will be installable anywhere through the pip command:
...
In the future, continuing to work together with Onesait data, it will evolve even more and this new piece will serve as a seed for an automated management of the life cycle of models from development to deployment in production.