pycaret/pycaret

解決的問題

PyCaret 提供了一個完整的自託管機器學習平台，在單一整合環境中簡化了整個 ML 生命週期——從數據上傳、實驗設計到模型註冊和部署。它消除了手動管理 AutoML、實驗追蹤和模型服務等獨立工具的需要。

工作原理

該平台由三個主要組件組成：

• Engine: 基於 scikit-learn 的 AutoML 函式庫，負責實際的模型訓練和選擇。
• Control Plane: 一個 FastAPI 後端，用於管理工作區、專案、模型註冊表、部署和監控。
• Web UI: 基於 React 的介面，允許使用者透過點擊操作而非 YAML 檔案來配置實驗和管理模型。

可以使用 Docker Compose 進行本地部署，執行包含 FastAPI 進程和 React 包的緊湊型設定，預設使用 SQLite 進行本地數據持久化。

適用對象

專為數據科學家和 ML 工程師設計，他們希望在筆記型電腦或小型團隊的生產伺服器上執行專業級 ML 平台，而無需複雜的架構設定。

亮點

• 端到端工作流：支持 Train $ ightarrow$ Register $ ightarrow$ Deploy $ ightarrow$ Predict 的完整循環。
• AutoML 能力：自動為分類、回歸、分群、異常檢測和時間序列任務訓練並排序多種演算法。
• AI Copilots：集成了由 LLM 驅動的助手，用於數據集諮詢和實驗設計。
• 靈活的架構：設計上可以從單一二進位本地設定擴展到使用儲存、資料庫和運算協定的分散式雲端架構。