«Диасофт» добавил в Digital Q.DataFactory продукт для управления жизненным циклом ML-моделей
Компания «Диасофт» представила продукт «Управление жизненным циклом машинного обучения», который вошел в платформу «Фабрика данных» (Digital Q.DataFactory). Решение предназначено для полного цикла работы с ML-моделями: от экспериментов и управления версиями до промышленного развертывания, мониторинга и сопровождения. Как сообщает CNews, продукт рассчитан на централизованное управление всеми этапами работы с моделями в едином технологическом контуре.
Среди заявленных возможностей: управление экспериментами с сохранением параметров, метрик, программного кода и артефактов, ведение реестра моделей с поддержкой версионирования, автоматизация развертывания в локальной инфраструктуре, облаке и on-premise-контурах. Также предусмотрены мониторинг работы моделей и контроль дрейфа данных. Платформа интегрируется с PyTorch, TensorFlow и Scikit-learn, поддерживается работа с проектами в формате контейнеров.
Для автоматизации полного цикла работы с моделями используется Kubeflow Pipelines. За промышленный инференс отвечает KServe с поддержкой GPU, canary- и blue-green-развертываний, а также автоматического восстановления после сбоев. В состав решения входят Feature Store на базе Valkey и Apache Iceberg, единая аутентификация через Digital Q.Security и Trainer Operator для распределенного обучения моделей в Kubernetes. В «Диасофт» называют продукт отечественной альтернативой MLflow и другим зарубежным платформам управления жизненным циклом ML-моделей.
Ключевые факты
Продукт вошел в состав платформы «Фабрика данных» (Digital Q.DataFactory).
Решение поддерживает интеграцию с PyTorch, TensorFlow и Scikit-learn.
Для автоматизации жизненного цикла ML-моделей используется Kubeflow Pipelines, а для промышленного инференса, KServe.
В состав продукта входят Feature Store на базе Valkey и Apache Iceberg, а также Trainer Operator для распределенного обучения в Kubernetes.