multiverseML 0.1.7a0

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

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)