pykale/pykale
Knowledge-Aware machine LEarning (KALE): accessible machine learning from multiple sources for interdisciplinary research, part of the 🔥PyTorch ecosystem. ⭐ Star to support our work!
What it solves
PyKale는 머신러닝에서 데이터, 소프트웨어, 최종 사용자 간의 격차를 메우고 학제간 연구를 보다 접근하기 쉽게 만들기 위해 설계되었습니다. 특히 멀티모달 학습 및 전이 학습에서 확장 가능하고 지속 가능하며 재사용 가능한 워크플로우에 대한 요구를 해결하여 AI 개발에서 중복성과 반복을 줄입니다.
How it works
PyKale는 통합된 파이프라인 기반 API를 사용하여 머신러닝 프로세스를 명확히 구분된 모듈 단계로 조직합니다:
- loaddata: 디스크 또는 온라인 소스에서 입력 데이터를 로드합니다.
- prepdata: 데이터를 전처리하고 변환하여 머신러닝 모듈에 맞춥니다.
- embed: 특징 추출 또는 선택을 수행하여 새로운 표현을 학습합니다.
- predict: 원하는 출력 예측을 생성합니다.
- evaluate: 특정 메트릭을 사용해 성능을 측정합니다.
- interpret: 예측 후 분석을 위해 특징과 출력을 분석·시각화합니다.
- pipeline: 이러한 모듈들을 결합해 완전한 머신러닝 워크플로우를 구성합니다.
Who it’s for
머신러닝 전문가뿐 아니라 바이오인포매틱스, 그래프 분석, 의료 영상 등 분야의 학제간 연구자들이 해석 가능하고 지식 기반의 멀티모달 AI 시스템을 구축하는 데 적합합니다.
Highlights
- Multimodal Focus: 그래프, 이미지, 비디오에 특화되어 있습니다.
- PyTorch Ecosystem: "Multimodal" 카테고리의 PyTorch Landscape에 공식적으로 등재되었습니다.
- pipeline-based API: 학습 및 평가를 위한 표준화된 모듈형 워크플로우.
- Green ML Principles: 모델과 자원의 감소, 재사용, 재활용에 초점을 맞춰 효율성을 높입니다.
- Interdisciplinary Application: 의료 영상 및 바이오인포매틱스와 같은 분야에서 활용하도록 설계되었습니다.