Search
Palantir
Documentation
ドキュメントの検索
Search
karat
+
K
APIリファレンス ↗
Send feedback
JP
en
jp
kr
zh
AB
XY
AB
XY
AB
XY
AB
XY
AB
XY
AB
XY
AB
XY
ドキュメンテーション
データ接続と統合
モデルの接続と開発
オントロジーの構築
Developer toolchain
ユースケース開発
分析
リリース管理
セキュリティとガバナンス
管理と有効化
Palantir の概要
プラットフォーム概要
プラットフォームの更新
お知らせ
モデルの接続と開発
モデルの接続と開発
はじめに
モデル
モデル
目的
モデル上の関数
適切なモデリングツールの選択
概要
概要
1. チュートリアル - Foundryで機械学習プロジェクトを設定する
foundry.transformsからDatasetをインポートする
2b. チュートリアル - Code Repositories でモデルを学習させる
3. チュートリアル - Modeling Objectives アプリケーションでモデルを評価する
4. チュートリアル - モデルを本番環境にデプロイする
結論と次のステップ
Integrate models
Models
モデル
モデルアダプター
モデルアダプターの概要
モデルアダプターを作成する
デフォルトのシリアライザー
Model adapter API
Foundry で学習したモデル
Jupyter®ノートブックでモデルをトレーニングする
Code Repositoriesでモデルを学習する
必要なライブラリをインポートする
モデルアダプターのアップグレード(再訓練なし)
ファイルとしてアップロードされたモデル
必要なライブラリをインポートします
sklearnのデータセットからirisをロードします
コンテナモデル
概要
コンテナモデルを使用して画像をアップロードする
例: コンテナモデルアダプタの実装
FAQ
言語モデル
Foundry に言語モデルをインポートする
新しい言語モデルのサポートを追加する
外部でホストされたモデル
モデルアダプタークラスの定義
Amazon SageMaker タブラーモデルの設定
例: Vertex AI モデルの統合
例: Open AI モデルの統合
API 一覧
API: ModelAdapter リファレンス
API:`palantir_models_serializers` リファレンス
API: Language model adapters
言語モデルクラス
Dataset-backed models
データセットバックアップモデル
モデルのステージ、特徴量、ハイパーパラメーターの探索
Python モデルの依存関係を設定する
Python 関数をモデルとして保存する
コードリポジトリ内のデータセットモデル
scikit-learn と SparkML パイプラインの使用
例: spaCy 自然言語処理
ネイティブにサポートされているライブラリーの検索
追加のライブラリに対応する
グリッドサーチを実行する
TypeScript でモデルを作成する
foundry_ml から palantir_models への移行
foundry_ml から palantir_models への移行
Manage models
Manage a modeling project
モデリング目標の作成
ダイレクトモデルデプロイメントを作成する
Modeling Objectives 設定
目標にモデルを提出する
目的のメタデータの設定
すべての提出物に対するチェックの設定
モデルのレビュー
モデルのリリース
目標のモデルをアーカイブする
ライブデプロイメントの設定と利用
バッチデプロイのセットアップ
モデリングの目的 API を定義する
Modeling Objectives 設定
Modeling deployment FAQ
サンドボックスのデプロイメント
オントロジー内のモデル
モデリングの目的 ライブデプロイメント FAQ
計算時間(秒)は、レプリカあたりのvCPU数と、レプリカあたりのRAM容量(7.5で割った値)の大きい方を採用します。
モデル推論の履歴
モデルを関数として直接公開する
例: curl
Evaluate a model
モデル評価
モデルの自動評価
コードでモデルを評価する
評価ダッシュボードでモデルの指標を確認する
カスタムモデリング目的指標ビュー
MetricSetsリファレンス
モデル評価器
二項分類評価器
リグレッション評価器
カスタム評価ライブラリ
モデリングリソースをMarketplace製品に追加する
AIP Model Catalog
Model Catalog
Model Catalog
モデルの接続と開発
Dataset-backed models
scikit-learn と SparkML パイプラインの使用
注: 以下の翻訳の正確性は検証されていません。
AIP
を利用して英語版の原文から機械的に翻訳されたものです。
SparkML パイプラインを使用した例
この例では、
SparkML パイプライン ↗
を保存する方法を示します。