Skip to main content

Aplicação para facilitar a criação de pipelines para desenvovimento de algoritmos de Machine Learning

Project description

multiverseML

Aplicação para a criação de pipelines para desenvovimento de algoritmos de Machine Learning. A ideia é facilitar o acompanhamento das alterações de modelos, métricas e parâmetros sem preocupação com organização.

O multiverseML vem com a ideia de organizar o desenvolvimento no conceito de Multiverso.

O conceito de Multiverso tem suas raízes em extrapolações, até o momento não científicas, da moderna Cosmologia e na Teoria Quântica, e engloba também várias ideias oriundas da Teoria da Relatividade de modo a configurar um cenário em que pode ser possível a existência de inúmeros Universos onde, em escala global, todas as probabilidades e combinações ocorrem em algum dos universos. Simplesmente por haver espaço suficiente para acoplar outros universos numa estrutura dimensional maior: o chamado Multiverso. https://pt.wikipedia.org/wiki/Multiverso_(ci%C3%AAncia)

Dito isso, o multiverseML organizará o seu modelo nos conceitos de:

  • Multiverse(Multiverso): Diretório central de armazenamento de todos os universos.
  • Universe(Universo): O universo é todo arquivo no qual exista um monitoramento ativo. Um universo pode ser um desafio a ser resolvido, como uma identificação de fraude ou um reconhecimento de imagem.
  • Timeline(Linha do Tempo): Cada Universo terá multiplas linhas temporais. Cada linha temporal será uma execução com sucesso do monitoramento. Cada linha temporal pode ter um modelo diferente, métricas diferentes e parâmetros diferentes. A timeline é baseada no versionamento do Git.
  • Reality(Realidade): Realidade é a linha do tempo eleita para produção. Poder ser disponibilizado um servidor HTTP ou um processo Batch.

Instalação versão 0.1.6-Alpha

pip install multiverseML

Utilização

Para utilização é necessário primeiramente a importação do módulo:

import multiverseml

Após, será necessário definir qual será o nome do universo a ser criado. Seja criativo!

universe = 'theoretical'

Então criamos uma variável model com a finalidade de armazenar o nome e o modelo utilizado ("lr" no exemplo é um modelo de regressão linear).

    model = {
        'name': 'Linear Regression',
        'model': lr
    }

Agora vamos rastrear as métricas:

    metrics = {
        'rmse': rmse,
        'r2': r2,
        'mae': mae
    }

É possível também adicionar os parâmetros utilizados para o modelo.

    param = {
        'alpha': alpha,
        'l1_ratio': l1_ratio
    }

Por fim, deve-se enviar os dados para o MultiverseML.

multiverseml.metrics(universe, model, metrics, param)

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Files for multiverseML, version 0.1.7a0
Filename, size File type Python version Upload date Hashes
Filename, size multiverseML-0.1.7a0.tar.gz (16.6 kB) File type Source Python version None Upload date Hashes View

Supported by

AWS AWS Cloud computing Datadog Datadog Monitoring DigiCert DigiCert EV certificate Facebook / Instagram Facebook / Instagram PSF Sponsor Fastly Fastly CDN Google Google Object Storage and Download Analytics Microsoft Microsoft PSF Sponsor Pingdom Pingdom Monitoring Salesforce Salesforce PSF Sponsor Sentry Sentry Error logging StatusPage StatusPage Status page