モデルの接続と開発

Palantir プラットフォームでは、モデルは機械学習のロジックをカプセル化したアーティファクトです。モデルは、データパイプライン、オントロジー、アプリケーションの各レイヤーのワークフローで活用でき、さまざまなユースケースを実現します。

Palantir は、モデル統合の実現に向けて幅広いアプローチを採用しています。モデルは、統合されたデータを使ってプラットフォーム内で開発することも、外部で開発してライブラリ、アーティファクト、コンテナ、または API としてインポートすることもできます。

統合したモデルは、プラットフォームのツールで推論、デプロイ、ガバナンス、ML Ops、運用化に使用できます。モデルの作成から利用までのプロセスのすべてのステップに、リネージ、セキュリティ、バージョン管理、再現性、監査に関するプラットフォームの保証が適用されます。

ソース

あらゆる形式のモデルを、プラットフォーム内で開発（たとえば、scikit-learn、TensorFlow、OR-tools などのオープンソースツールやカスタムライブラリを使用）したり、外部環境（ノートブック、サードパーティーのデータサイエンス製品、コンテナレジストリなど）からインポートしたり、外部でホストされる API として設定したりできます。

プラットフォーム内でのモデル開発および外部モデルの統合について、詳しくはこちらをご覧ください。

Modeling Objectives

Modeling Objectives は、定義された課題に対するモデルの管理、評価、レビュー、リリース、デプロイを効率化する「管制センター」として機能します。Modeling Objectives は、便利なユーザーインターフェースに加え、ガバナンスと権限のレイヤー、自動化のレイヤー（モデル候補の統一的な評価など）、モデルを継続的にダウンタイムなしでデプロイするための CI/CD レイヤーを提供します。

Objectives は、シミュレーションや最適化など、従来の ML Ops ツールでは対応していなかった課題も含め、あらゆるモデリングの課題に対してモデルライフサイクル全体を実現します。

Objectives を使用すると、組織は単にデータパイプラインを作成するだけでなく、意思決定を行うユーザーやシステムに向けて、モデルを運用用途で安全にデプロイできます。運用化すると、Foundry は本番環境のデータ、結果、アプリケーション、ユーザーのアクションから ML フィードバックループを実現します。これらのフィードバックループは、本番環境でのパフォーマンスを監視、理解、改善し、新しい状況に適応するための強力なデータ資産をモデリングチームに提供します。

Modeling Objectives について、詳しくはこちらをご覧ください。

オントロジー内のモデル

オントロジーは、Palantir プラットフォームの運用レイヤーです。オントロジーは、デジタル資産をそれに対応する現実世界のものと結び付け、あらゆる種類のユースケースを実現します。

モデルをプラットフォームに統合すると、Modeling Objectives を使用してデプロイし、オントロジーレイヤー内で使用するために登録できます。これにより、運用上のインタラクティブなワークフローが信頼性の高いモデルに基づいて機能し、迅速かつ重要な意思決定を支えます。

オントロジーについて詳しくはこちら。オントロジーとモデルを統合する方法もご覧ください。