pycaret/pycaret

解決する課題

PyCaretは、データアップロードから実験設計、モデル登録、デプロイに至るまでのMLライフサイクル全体を、単一の統合環境内で簡素化する、完全なセルフホスト型機械学習プラットフォームを提供します。これにより、AutoML、実験トラッキング、モデルサービングのために個別のツールを手動で管理する必要がなくなります。

仕組み

このプラットフォームは、主に3つのコンポーネントで構成されています：

• Engine: scikit-learnをベースとしたAutoMLライブラリで、実際のモデルのトレーニングと選択を行います。
• Control Plane: ワークスペース、プロジェクト、モデルレジストリ、デプロイ、およびモニタリングを管理するFastAPIバックエンドです。
• Web UI: YAMLファイルではなく、ポイント・アンド・クリックで実験の構成やモデルの管理ができるReactベースのインターフェースです。

Docker Composeを使用してローカルにデプロイでき、FastAPIプロセスとReactバンドルによるコンパクトなセットアップを実行し、デフォルトではローカルデータの永続化にSQLiteを使用します。

対象ユーザー

複雑なインフラ設定なしに、ノートパソコンや小規模チームのプロダクションサーバー上で実行できるプロフェッショナルグレードのMLプラットフォームを求めるデータサイエンティストやMLエンジニア向けに設計されています。

ハイライト

• エンドツーエンドのワークフロー: Train $ ightarrow$ Register $ ightarrow$ Deploy $ ightarrow$ Predict のフルループをサポートします。
• AutoML機能: 分類、回帰、クラスタリング、異常検知、および時系列タスクに対して、複数のアルゴリズムを自動的にトレーニングし、ランク付けします。
• AI Copilots: データセットの相談や実験設計のために、LLMを活用したアシスタントを統合しています。
• 柔軟なアーキテクチャ: 単一バイナリのローカルセットアップから、ストレージ、DB、コンピューティングのプロトコルを使用した分散クラウドアーキテクチャまでスケールできるように設計されています。