Платформа ML Space

ML Space — платформа для ML-разработки полного цикла и совместной работы DS-команд над созданием и развертыванием моделей машинного обучения.

ML Space позволяет ускорить, оптимизировать и упростить процесс обучения моделей, препроцессинга данных и развертывания моделей на высокопроизводительной инфраструктуре (до 1000+ GPU) для последующего внедрения их в микросервисы, функции и бизнес-приложения.

  • Data Catalog — совместная работа с артефактами ML. Включает набор сервисов для переноса, хранения, анализа, управления доступом и жизненным циклом данных и артефактов машинного обучения (датасетов, моделей, Docker-образов и др.).

  • Environments — препроцессинг данных с помощью кластера Spark, а также обучение моделей в рамках привычных Jupyter Notebook или JupyterLab. На сервисе есть все необходимые утилиты для мониторинга загрузки ресурсов, моделей и эксперимент-менеджмента.

  • Deployments — тестирование, развертывание (деплой) и мониторинг подготовленных моделей машинного и глубокого обучения на высокопроизводительной инфраструктуре для последующего внедрения их в микросервисы, функции и бизнес-приложения.

  • AutoML — автоматическое построение и обучение моделей на пользовательских данных на базе библиотеки LightAutoML.

  • Pipelines — позволяет автоматизировать ход обработки данных и ML-моделирования.

  • AI Marketplace — хаб предобученных моделей, датасетов и контейнеров.

Как подключить

  1. Перейдите на вкладку Платформа ML Space.

  2. Нажмите кнопку Подключить.

Подключение платформы займет некоторое время. После чего вы сможете перейти в консоль платформы и начать работу.

Тарификация

Ознакомиться с принципами тарификации на продукты ML Space можно в разделе Тарификация.

Когда вы начнете использовать сервисы, вы сможете следить за потреблением в разделе Биллинг → Потребление.

Документация

В документации на ML Space много пошаговых инструкций по работе сервисами, полезных советов и ответов на частые вопросы.