/
Wrapper para Modelos

Wrapper para Modelos

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.

  • Gestionar una ontología de metainformación de los diferentes modelos asociados y la recuperación del modelo más preciso.

  • Hacer 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 producci

Related content

Generación y publicación de modelos ML
Generación y publicación de modelos ML
More like this
Uso del manager de modelos desde los notebooks
Uso del manager de modelos desde los notebooks
More like this
Un vistazo al Manager de Modelos
Un vistazo al Manager de Modelos
More like this
Gestión del Ciclo de Vida ML: Integración MLflow en plataforma
Gestión del Ciclo de Vida ML: Integración MLflow en plataforma
More like this
ML Lifecycle management: MLflow integration in the Platform
ML Lifecycle management: MLflow integration in the Platform
More like this
Training & deployment of models with BaseModelService
Training & deployment of models with BaseModelService
More like this