Neoflex Dognauts

Единая платформа корпоративного MLOps, обеспечивающая полный цикл разработки и эксплуатации ML-моделей для решения задач бизнеса

01/03

NEOMSA APIM - безопасное управление API

01/03

Весь MLOps у вас под рукой

Основана на использовании встроенных Open Source компонентов
Эффективное управление ML-моделями на каждом этапе жизненного цикла для снижения операционного и модельного риска
Использование широкого набора современных библиотек машинного обучения и языков программирования для создания точных моделей
Быстрые эксперименты и инновации
Автоматизированное и бесшовное развертывание моделей на среды эксплуатации для уменьшения time to market
Использование инструментов самостоятельной подготовки данных (self-service data preparation)
Эластичное и масштабируемое управление вычислительными ресурсами
Надежная и отказоустойчивая инфраструктура эксплуатации моделей

Какие задачи решает Neoflex Dognauts

Подготовка данных и фичей

Хорошо подготовленные данные и фичи играют важную роль в обучении ML-моделей и позволяют повысить их эффективность

Разработка моделей

Гибкое управление средами разработки (JupyterLab, VSCode, RStudio) с возможностью использовать все современные ML-библиотеки

Организация коллективной разработки

CI/CD от разработки до эксплуатации ML-моделей, а также ролевая модель для разграничения прав доступа к платформе

Применение моделей любой сложности

Возможность применять модели в batch, online и потоковом режимах, создавать сложные модельные сервисы на основе ансамбля моделей и использовать GPU, CPU

Компоненты платформы

Neoflex Dognauts Portal

Сквозная авторизация/аутентификация и единый доступ ко всем инструментам платформы

Notebooks

В платформу интегрированы среды разработки трех типов: Jupyter, Visual Studio Code и RStudio. С их помощью вы сможете запускать, обучать и верифицировать ML-модели

MLflow

Позволяет отслеживать эксперименты и регистрировать модели

Airflow

Позволяет автоматизировать широкий круг пакетных задач таких как: подготовка данных, обучение моделей, пакетное применение, мониторинг дрифта данных и метрик моделей

Seldon Core

Позволяет на декларативном уровне создавать описание модельных сервисов и деплоить их для online применения. Поддерживает REST/gRPC API модельных сервисов

Model Monitoring

В платформу встроены инструменты, позволяющие отслеживать качество работы моделей, а также дрейф данных и метрики моделей

Feature Store

Позволяет организовать централизованный каталог фичей для обучения и применения моделей, управлять offline и online хранилищами и получать данные для применения моделей с помощью единого API

Преимущества

Возможность организации работы независимых Data Science команд на платформе

Платформа позволяет создать свой набор пользователей, выделить необходимые вычислительные ресурсы и развернуть ML-компоненты

Возможность создавать рабочие места с библиотеками и динамически выделенными ресурсами под среды разработки

DS/ML-специалисты могут самостоятельно создать свое рабочее место с необходимыми инструментами или выбрать предустановленные IDE с популярными ML-библиотеками для разработки на гарантированном пуле ресурсов

Платформа полностью Open Source

Open Source инструменты позволяют избежать vendor-lock и соответствуют политике импортозамещения

Единый пользовательский интерфейс для всех компонентов

Позволяет пользователю легко навигироваться между различными компонентами в рамках единых правил авторизации/аутентификации

Автоматизация задач ML-инженера по выводу моделей в эксплуатацию

В платформе предусмотрены визарды для создания и деплоя модельных сервисов в промышленную среду

Модульность и расширяемость

Платформа обладает открытой модульной архитектурой и расширяемым набором инструментов, необходимых для всех этапов разработки и внедрения моделей, что позволяет быстро и качественно реализовывать новые решения

Безопасность

Реализована ролевая модель, https, SSO, сканирование образов на уязвимости, хранение секретов в Vault, изоляция рабочих групп на уровне namespace Kubernetes и сетевых политик