metaflow.org

Modelado: Utilice cualquier biblioteca de Python para modelos y lógica empresarial. Metaflow ayuda a administrar bibliotecas localmente y en la nube.

Implementación: Implemente flujos de trabajo en producción con un solo comando e intégrese sin problemas con los sistemas circundantes.

Control de versiones: Metaflow realiza un seguimiento y almacena automáticamente las variables dentro del flujo para un fácil seguimiento de experimentos y depuración.

Orquestación: Cree flujos de trabajo robustos en Python simple. Desarrolle y depure localmente, implemente en producción sin cambios.

Cómputo: Aproveche la nube para ejecutar funciones a escala. Utilice GPU, múltiples núcleos y grandes cantidades de memoria según sea necesario.

Datos: Acceda a datos de almacenes de datos. Los flujos de Metaflow transportan datos a través de los pasos, versión todo en el camino.

Desarrollar con Metaflow: Explore con cuadernos, desarrolle con Metaflow y pruebe y depure localmente. Los resultados se almacenan y rastrean automáticamente para un fácil análisis.

Escalar a la nube: Salga de los límites de una computadora portátil o un solo cuaderno. Escale fácilmente a la nube, utilizando GPU, múltiples núcleos y múltiples instancias en paralelo. Metaflow organiza el trabajo para una fácil colaboración en el camino.

Implementar en producción con confianza: Implemente experimentos en producción con un solo clic sin cambiar nada en el código. Haga que los flujos reaccionen automáticamente a la actualización de datos y otros eventos.

Trae tu propia nube: Comienza fácilmente en una computadora portátil. Cuando esté listo para escalar, implemente el stack de Metaflow en su cuenta de nube o en su clúster de Kubernetes local. Metaflow se integra sin problemas con su infraestructura, seguridad y políticas de gobernanza de datos existentes.

Probado en batalla en Netflix: Metaflow se desarrolló originalmente en Netflix para abordar las necesidades de los desarrolladores y científicos de datos que trabajan en proyectos de ML, IA y datos de la vida real exigentes.

Tarjetas en tiempo real y dinámicas: Construya sistemas de ML/IA observables con tarjetas que se actualicen en tiempo real.

Incluir cualquier paquete de PyPI: Instale dependencias de PyPI y Conda en sus pasos de Metaflow.

Acceder a secretos de forma segura: Conéctese a servicios externos de forma segura usando el nuevo decorador @secrets.

Construir sistemas de producción reactivos con Metaflow: Metaflow 2.9 le permite desencadenar flujos de trabajo en función de eventos en tiempo real.

Cargar y procesar datos tabulares rápidamente con Metaflow: Apache Arrow y Metaflow.S3 facilitan el procesamiento rápido de datos.

Usar Metaflow para entrenar un modelo de lenguaje a gran escala: Aprenda a usar Metaflow para tareas exigentes de GPU.

Metaflow admite Apache Airflow: Desarrolle con Metaflow, implemente en sus servidores Apache Airflow existentes.

Metaflow en Google Cloud: Implemente y opere Metaflow en GCP y todas las demás nubes principales.

Metaflow en Azure: Implemente y opere Metaflow en Microsoft Azure.