モデルの接続と開発

Palantir プラットフォームでは、モデルは任意の機械学習ロジックをカプセル化する製作物です。モデルは、データパイプライン、オントロジー、およびアプリケーション層のワークフロー全体で活用でき、さまざまなユースケースを実現できます。

Palantir は、モデル統合を可能にするための広範なアプローチを取っています。モデルは、プラットフォーム内の統合データ上で開発することも、外部で開発してライブラリ、製作物、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。

統合された後、モデルは推論、デプロイメント、ガバナンス、ML Ops、運用化のためのプラットフォームツールと一緒に使用できます。モデルの作成および消費プロセスのすべてのステップは、データフロー、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保証の対象となります。

ソース

任意の形式のモデルは、プラットフォーム内で開発することができます（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）、外部環境（ノートブック、サードパーティのデータサイエンス製品、コンテナレジストリなど）からインポートすることも、外部でホストされている API として設定することもできます。

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さらに詳しく学びましょう。

Modeling Objectives

Modeling Objectives は、定義された問題に対するモデルの管理、評価、レビュー、リリース、およびデプロイメントを効率化するための「ミッションコントロール」として機能します。便利なユーザーインターフェースを超えて、Modeling Objectives はガバナンスおよび権限レイヤー、自動化レイヤー（たとえば、モデル候補の一律評価）、およびモデルの継続的かつダウンタイムのないデプロイメントのための 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、通常は ML Ops ツールで対処されないモデリングの問題を含む、あらゆるモデリング問題の完全なモデルライフサイクルを可能にします。

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、モデルを運用能力で安全にデプロイし、意思決定を行うユーザーやシステムに提供できます。運用化された後、Foundry は、生成データ、成果、アプリケーション、およびユーザーアクションからの ML フィードバックループを可能にします。これらのフィードバックループは、モデリングチームに運用パフォーマンスの監視、理解、改善、および新しい状況への適応に役立つ強力なデータ資産を提供します。

Modeling Objectivesについてさらに詳しく学びましょう。

オントロジーにおけるモデル

オントロジーは、Palantir プラットフォームの運用層です。オントロジーは、デジタル資産を現実世界の対応物に接続し、さまざまなユースケースを可能にします。

モデルがプラットフォームに統合されると、Modeling Objectives を使用してデプロイされ、オントロジー層で使用するために登録されます。これにより、高信頼性のモデルによってサポートされる運用インタラクティブワークフローが可能となり、迅速かつ重要な意思決定を促進します。

オントロジーについてさらに学ぶおよびオントロジーとのモデル統合方法について学びましょう。