metaflow.org

모델링: Python 라이브러리를 사용하여 모델과 비즈니스 로직을 구현하세요. Metaflow는 로컬 및 클라우드에서 라이브러리를 관리하는 데 도움이 됩니다.

배포: 단일 명령으로 워크플로를 프로덕션에 배포하고 주변 시스템과 seamlessly 통합하세요.

버전 관리: Metaflow는 실험 추적 및 디버깅을 위해 자동으로 흐름 내부의 변수를 추적하고 저장합니다.

오케스트레이션: 일반 Python으로 강력한 워크플로를 만드세요. 로컬에서 개발하고 디버깅한 후 변경 없이 프로덕션에 배포하세요.

컴퓨팅: 클라우드를 활용하여 대규모로 기능을 실행하세요. 필요에 따라 GPU, 다중 코어, 대량의 메모리를 사용하세요.

데이터: 데이터 웨어하우스에서 데이터에 액세스하세요. Metaflow는 단계 간에 데이터를 전달하고 모든 것을 버전화합니다.

Metaflow로 개발하기: 노트북으로 탐색하고, Metaflow로 개발하며, 로컬에서 테스트하고 디버깅하세요. 결과는 자동으로 저장되고 추적되어 쉽게 분석할 수 있습니다.

클라우드로 확장하기: 노트북이나 단일 노트북의 제한을 벗어나세요. GPU, 다중 코어, 병렬 다중 인스턴스를 활용하여 클라우드로 쉽게 확장하세요. Metaflow는 작업을 구성하여 협업을 용이하게 합니다.

프로덕션에 자신 있게 배포하기: 코드를 변경하지 않고도 단일 클릭으로 실험을 프로덕션에 배포하세요. 데이터 업데이트 및 기타 이벤트에 자동으로 반응하는 흐름을 만드세요.

자신만의 클라우드 사용하기: 노트북에서 쉽게 시작하세요. 확장할 준비가 되면 클라우드 계정 또는 온프레미스 Kubernetes 클러스터에 Metaflow 스택을 배포하세요. Metaflow는 기존 인프라, 보안, 데이터 거버넌스 정책과 seamlessly 통합됩니다.

Netflix에서 검증된 기술: Metaflow는 원래 Netflix에서 개발되었으며, 까다로운 실제 ML, AI, 데이터 프로젝트를 수행하는 개발자와 데이터 과학자의 요구 사항을 해결하기 위해 만들어졌습니다.

실시간, 동적 카드: 실시간으로 업데이트되는 카드로 관찰 가능한 ML/AI 시스템을 구축하세요.

모든 PyPI 패키지 포함: Metaflow 단계에서 PyPI와 Conda에서 종속성을 설치하세요.

안전하게 비밀 액세스: 새로운 @secrets 데코레이터를 사용하여 외부 서비스에 안전하게 연결하세요.

Metaflow로 반응형 프로덕션 시스템 구축하기: Metaflow 2.9를 통해 실시간 이벤트를 기반으로 워크플로를 트리거할 수 있습니다.

Metaflow로 테이블 데이터 빠르게 로드 및 처리하기: Apache Arrow와 Metaflow.S3를 사용하면 데이터를 빠르게 처리할 수 있습니다.

Metaflow를 사용하여 대규모 언어 모델 학습하기: Metaflow를 사용하여 요구 사항이 많은 GPU 작업을 수행하는 방법을 알아보세요.

Metaflow는 Apache Airflow를 지원합니다: Metaflow로 개발하고 기존 Apache Airflow 서버에 배포하세요.

Google Cloud의 Metaflow: GCP와 기타 주요 클라우드에 Metaflow를 배포하고 운영하세요.

Azure의 Metaflow: Microsoft Azure에 Metaflow를 배포하고 운영하세요.