注意:以下翻译的准确性尚未经过验证。这是使用 AIP ↗ 从原始英文文本进行的机器翻译。
在Palantir平台中,模型是封装任何机器学习逻辑的工件。模型可以在数据管道、Ontology和应用层的工作流中利用,以支持各种不同的应用案例。
Palantir采用广泛的方法来实现模型集成。模型可以在平台内基于集成数据开发,也可以在外部开发并以库、工件、容器或API的形式导入。
一旦集成,模型可以与平台工具一起用于推断、部署、治理、机器学习运营和操作化。模型创建和使用过程中的每个步骤都受到平台在血统、安全性、版本控制、可重现性和审计方面的保证。
任何形式的模型都可以在平台内开发(例如,通过开源工具如scikit-learn、TensorFlow和OR-tools,或通过自定义库),从外部环境导入(如笔记本、第三方数据科学产品或容器注册表),或配置为外部托管的API。
建模目标作为简化模型管理、评估、审查、发布和部署的“任务控制中心”以解决定义的问题。除了方便的用户界面外,建模目标还提供治理和权限层、自动化层(例如,统一评估模型候选者)以及用于模型持续和无停机部署的CI/CD层。
目标使得任何建模问题的完整模型生命周期成为可能,包括那些传统上未被ML Ops工具解决的问题,如仿真和优化。
通过使用目标,组织可以超越简单的数据管道创建,将模型安全地部署在操作能力中,以供做出决策的用户和系统使用。一旦操作化,Foundry能够从生产数据、结果、应用和用户操作中形成机器学习反馈循环。这些反馈循环为建模团队提供了一个强大的数据资产,用于监控、理解和提高生产性能,以及适应新的情况。
了解更多关于建模目标。
Ontology是Palantir平台的操作层。Ontology将数字资产与其现实世界的对应物连接起来,以支持各种不同的应用案例。
一旦模型被集成到平台中,模型可以使用建模目标进行部署,并注册在Ontology层中使用。这允许操作性互动工作流以高信任模型为后盾,以支持快速、关键的决策制定。
了解更多关于Ontology以及如何与其集成模型。