模型连接和开发

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。

来源

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。