Descrição
ModelMill é uma plataforma de deep learning baseada em nuvem desenvolvida pela Literal Labs para treinar, testar e implantar Redes Baseadas em Lógica (LBNs). Ela foi projetada para automatizar o processo de criação de modelos de IA de ponta a ponta, desde a importação de dados até a geração de SDK, permitindo que os usuários produzam modelos de IA prontos para a edge sem precisar de expertise especializada em engenharia de IA.
A plataforma aceita conjuntos de dados nos formatos CSV, JSON ou ZIP, com tamanho de até 5GB, e inclui conjuntos de dados tabulares curados do OpenML para aqueles que não possuem seus próprios dados. O ModelMill pré-processa os dados automaticamente, realizando operações como filtragem, normalização e preenchimento de sequências para prepará-los para um treinamento de alta qualidade.
A anotação é uma etapa chave no fluxo de trabalho do ModelMill. Os usuários podem anotar dados manualmente ou aproveitar o motor AutoML do ModelMill, que propõe anotações com base em análise estatística e padrões estruturais. A plataforma suporta tarefas de classificação, regressão e detecção de anomalias, detectando automaticamente o tipo de tarefa com base nas anotações dos dados.
Uma vez que os dados estão anotados, os usuários definem o alvo de implantação, incluindo restrições de hardware e métricas de negócios. O ModelMill então treina centenas ou milhares de configurações de LBN em paralelo, refinando-as para produzir uma lista restrita de candidatos que atendem aos requisitos de implantação.
A etapa final envolve converter o modelo escolhido em um SDK de código C, pronto para integração em bases de código embarcadas ou de servidor. O SDK inclui o LBN treinado, motor de inferência, arquivos de configuração de build, código de exemplo e documentação, e é testado em várias arquiteturas de processadores, incluindo ARM, ESP, RISC-V e x86.
O ModelMill oferece vários planos de preços, incluindo um plano Demo para avaliação, com execuções de treinamento e tamanhos de conjuntos de dados limitados. A plataforma é projetada para equipes tecnicamente capacitadas sem pessoal dedicado em IA, automatizando configuração, treinamento e seleção de candidatos.
Recursos principais de ModelMill
Plataforma de deep learning automatizada
Treinamento de Redes Baseadas em Lógica
Importação e pré-processamento de dados
Anotação assistida por AutoML
Treinamento de modelos em paralelo
Geração de SDK em código C
Implantação em hardware de edge
Integração de conjuntos de dados OpenML
Sem necessidade de GPU
Suporta formatos CSV, JSON, ZIP
Classificação, regressão, detecção de anomalias
Avaliação contínua de desempenho
Modelo de royalties de implantação
Visualizações de benchmarking personalizadas
Recursos de colaboração em equipe
Como usar ModelMill?
Carregar dados: Importe conjuntos de dados nos formatos CSV, JSON ou ZIP
Anotar: Use o motor AutoML para anotações inteligentes
Definir implantação: Especifique métricas de hardware e negócios
Treinar modelos: Treinamento paralelo de configurações de LBN
Selecionar candidatos: Avalie e escolha os modelos com melhor desempenho
Gerar SDK: Converta o modelo para código C para integração
Implantar: Integre o SDK em hardware de edge
Casos de uso de ModelMill
- Implantação de IA na Edge
- Anotação de dados
- Treinamento de modelos em paralelo
- Geração de SDK
- Uso de conjuntos de dados OpenML
