모델 통합
Palantir 플랫폼에서 모델은 기계 학습 로직을 캡슐화하는 아티팩트입니다. 모델은 데이터 파이프라인, 온톨로지, 애플리케이션 레이어에 걸쳐 워크플로에서 활용되어 다양한 유즈케이스를 가능하게 합니다.
Palantir은 모델 통합을 가능하게 하는 넓은 접근법을 취합니다. 모델은 통합 데이터에 기반하여 플랫폼 내에서 개발되거나, 외부에서 개발하여 라이브러리, 아티팩트, 컨테이너, 또는 API로 가져올 수 있습니다.
통합된 후에는, 모델은 추론, 배포, 거버넌스, ML Ops, 운영화와 같은 플랫폼 도구와 함께 사용될 수 있습니다. 모델 생성 및 소비 과정의 모든 단계는 계보, 보안, 버전 관리, 재현성, 감사에 대한 플랫폼 보장을 받습니다.
소스
모델은 플랫폼 내에서 개발될 수 있습니다(예를 들어, scikit-learn, TensorFlow, OR-tools와 같은 오픈소스 도구 또는 사용자 정의 라이브러리를 통해), 외부 환경(노트북, 타사 데이터 과학 제품, 컨테이너 레지스트리 등)에서 가져올 수 있거나, 외부에서 호스팅하는 API로 구성될 수 있습니다.
플랫폼 내의 모델 개발 및 외부 모델의 통합에 대해 더 알아보세요.
Modeling Objectives
Modeling Objectives는 정의된 문제에 대한 모델 관리, 평가, 검토, 릴리즈, 배포를 간소화하기 위한 "미션 컨트롤" 역할을 합니다. 편리한 사용자 인터페이스를 넘어서, Modeling Objectives는 거버넌스 및 권한 레이어, 자동화 레이어(예: 모델 후보의 통일된 평가), 그리고 모델에 대한 지속적이고 중단 없는 배포를 위한 CI/CD 레이어를 제공합니다.
Objectives는 시뮬레이션 및 최적화와 같이 전통적으로 ML Ops 도구로 해결하지 않는 모델링 문제를 포함한 모든 모델링 문제에 대한 완전한 모델 라이프사이클을 가능하게 합니다.
Objectives를 사용하여, 조직은 단순히 데이터 파이프라인을 생성하는 것을 넘어서 안전하게 모델을 운영 용량으로 배포하여 사용자와 시스템이 결정을 내릴 수 있습니다. 운영화된 후에는 Foundry가 생산 데이터, 결과, 애플리케이션, 사용자 액션에서 ML 피드백 루프를 가능하게 합니다. 이러한 피드백 루프는 모델링 팀이 생산성을 모니터링하고 이해하고 향상시키며 새로운 상황에 적응하는 강력한 데이터 에셋을 제공합니다.
Modeling Objectives에 대해 더 알아보세요.
온톨로지의 모델
온톨로지는 Palantir 플랫폼의 운영 레이어입니다. 온톨로지는 디지털 에셋을 실제 세계의 카운터파트와 연결하여 다양한 유즈케이스를 가능하게 합니다.
모델이 플랫폼에 통합되면, 모델은 Modeling Objectives를 사용하여 배포하고 온톨로지 레이어에서 사용하기 위해 등록할 수 있습니다. 이를 통해 운영 상호작용 워크플로가 빠르고 중요한 의사결정을 위해 높은 신뢰도의 모델에 의해 지원될 수 있습니다.