pycaret/pycaret

해결하는 문제

PyCaret은 데이터 업로드 및 실험 설계부터 모델 등록 및 배포에 이르기까지 전체 ML 라이프사이클을 단일 통합 환경 내에서 단순화하는 완전한 셀프 호스팅 머신러닝 플랫폼을 제공합니다. 이를 통해 AutoML, 실험 트래킹 및 모델 서빙을 위해 별도의 도구를 수동으로 관리할 필요가 없습니다.

작동 방식

이 플랫폼은 세 가지 주요 구성 요소로 구성됩니다:

• Engine: 실제 모델 훈련 및 선택을 처리하는 scikit-learn 기반의 AutoML 라이브러리입니다.
• Control Plane: 워크스페이스, 프로젝트, 모델 레지스트리, 배포 및 모니터링을 관리하는 FastAPI 백엔드입니다.
• Web UI: YAML 파일 대신 클릭만으로 실험을 구성하고 모델을 관리할 수 있는 React 기반 인터페이스입니다.

Docker Compose를 사용하여 로컬에 배포할 수 있으며, FastAPI 프로세스와 React 번들로 구성된 컴팩트한 설정을 실행하고, 기본적으로 로컬 데이터 영속성을 위해 SQLite를 사용합니다.

대상 사용자

복잡한 인프라 설정 없이 노트북이나 소규모 팀의 프로덕션 서버에서 실행할 수 있는 전문가급 ML 플랫폼을 원하는 데이터 과학자 및 ML 엔지니어를 위해 설계되었습니다.

주요 특징

• 엔드 투 엔드 워크플로우: Train $ ightarrow$ Register $ ightarrow$ Deploy $ ightarrow$ Predict의 전체 루프를 지원합니다.
• AutoML 기능: 분류, 회귀, 클러스터링, 이상 탐지 및 시계열 작업을 위해 여러 알고리즘을 자동으로 훈련하고 순위를 매깁니다.
• AI Copilots: 데이터 세트 상담 및 실험 설계를 위한 LLM 기반 어시스턴트를 통합합니다.
• 유연한 아키텍처: 단일 바이너리 로컬 설정부터 스토리지, DB 및 컴퓨팅 프로토콜을 사용하는 분산 클라우드 아키텍처까지 확장할 수 있도록 설계되었습니다.