Descripción
ModelMill es una plataforma de aprendizaje profundo basada en la nube desarrollada por Literal Labs para entrenar, probar y desplegar Redes Basadas en Lógica (LBNs). Está diseñada para automatizar el proceso de creación de modelos de IA de extremo a extremo, desde la importación de datos hasta la generación de SDK, permitiendo a los usuarios producir modelos de IA listos para el borde sin necesidad de experiencia especializada en ingeniería de IA.
La plataforma acepta conjuntos de datos en formatos CSV, JSON o ZIP, de hasta 5GB de tamaño, e incluye conjuntos de datos tabulares curados de OpenML para aquellos que no tienen sus propios datos. ModelMill preprocesa los datos automáticamente, realizando operaciones como filtrado, normalización y relleno de secuencias para prepararlos para un entrenamiento de alta calidad.
La anotación es un paso clave en el flujo de trabajo de ModelMill. Los usuarios pueden anotar datos manualmente o aprovechar el motor AutoML de ModelMill, que propone anotaciones basadas en análisis estadísticos y patrones estructurales. La plataforma admite tareas de clasificación, regresión y detección de anomalías, detectando automáticamente el tipo de tarea basado en las anotaciones de datos.
Una vez que los datos están anotados, los usuarios definen el objetivo de despliegue, incluyendo restricciones de hardware y métricas comerciales. ModelMill luego entrena cientos o miles de configuraciones de LBN en paralelo, refinándolas para producir una lista corta de candidatos que cumplen con los requisitos de despliegue.
El paso final implica convertir el modelo elegido en un SDK de código C, listo para la integración en bases de código embebidas o de servidor. El SDK incluye el LBN entrenado, el motor de inferencia, la configuración de construcción, código de ejemplo y documentación, y se prueba en varias arquitecturas de procesador, incluyendo ARM, ESP, RISC-V y x86.
ModelMill ofrece varios planes de precios, incluyendo un plan de demostración para evaluación, con ejecuciones de entrenamiento y tamaños de conjuntos de datos limitados. La plataforma está diseñada para equipos técnicamente capacitados sin personal dedicado a IA, automatizando la configuración, el entrenamiento y la selección de candidatos.
Características principales de ModelMill
Plataforma de aprendizaje profundo automatizada
Entrenamiento de Redes Basadas en Lógica
Importación y preprocesamiento de datos
Anotación asistida por AutoML
Entrenamiento de modelos en paralelo
Generación de SDK en código C
Despliegue en hardware de borde
Integración de conjuntos de datos OpenML
Sin requerimiento de GPU
Soporta formatos CSV, JSON, ZIP
Clasificación, regresión, detección de anomalías
Evaluación continua del rendimiento
Modelo de regalías por despliegue
Visualizaciones de benchmarking personalizadas
Características de colaboración en equipo
¿Cómo usar ModelMill?
Subir datos: Importar conjuntos de datos en formatos CSV, JSON o ZIP
Anotar: Usar el motor AutoML para anotaciones inteligentes
Definir despliegue: Especificar métricas de hardware y negocio
Entrenar modelos: Entrenamiento paralelo de configuraciones de LBN
Seleccionar candidatos: Evaluar y elegir los modelos de mejor rendimiento
Generar SDK: Convertir el modelo a código C para integración
Desplegar: Integrar el SDK en hardware de borde
Casos de uso de ModelMill
- Despliegue de IA en el borde
- Anotación de datos
- Entrenamiento de modelos en paralelo
- Generación de SDK
- Uso de conjuntos de datos OpenML
