Machine learning e deep learning, sem que seus dados saiam do seu computador.
Do objetivo de negócio ao modelo publicado em um fluxo guiado de seis passos. Treine com scikit-learn, PyTorch ou Transformers, especialize LLMs locais e responda com seus documentos. O agente ajuda você a projetar e a ler resultados; os dados reais só são vistos por você e pelos seus modelos.
- 1Início
- 2Dados
- 3Projetar
- 4Treinar
- 5Avaliar
- 6Publicar
- F10,872
- AUC0,931
- Precision0,858
- Recall0,887
Critério de aceitação: F1 ≥ 0,85 · Cumpre
antiguedad_mesesintplancatemail••••••telefono••••••rfc••••••bajalabel
3 colunas mascaradas
Plano validado: 0 avisos
Worker sem rede · ambiente .venv do projeto
Partição estratificada 70 / 15 / 15
Checkpoint salvo em models/churn-gbm/v3
Da ideia ao modelo em seis passos
As abas numeradas guiam você. Você pode voltar a qualquer passo.
- 1
Início
Você descreve o objetivo com suas palavras e o Yuli o traduz para ML: tipo de problema, métrica e estratégia.
- 2
Dados
Importe e perfile: nulos, balanceamento, correlações, dados sensíveis mascarados e versões imutáveis.
- 3
Projetar
O Yuli propõe a estratégia e responde oito perguntas, do que aprende a como saberemos que melhorou.
- 4
Treinar
Curva de aprendizado ao vivo, pausa, retomada, busca de hiperparâmetros e aviso de sobreajuste.
- 5
Avaliar
Avaliação independente em dados que o treinamento nunca viu: robustez, equidade e campeão contra desafiante.
- 6
Publicar
ONNX com paridade, quantização, testes de integridade e serviço local em 127.0.0.1.
Tudo o que você precisa para treinar a sério
Deep learning
Designer de redes camada por camada, tokenizers próprios, diagnóstico de GPU, estimativa de memória e DDP.
LLM Studio
Especialize modelos de linguagem locais com SFT, DPO, ORPO, KTO e QLoRA, e quantize-os com gate de qualidade.
Conhecimento (RAG)
Responda com seus documentos: índice local, citações da fonte e nada que saia para a internet.
Experimentos
Compare treinamentos, parâmetros e métricas; cada versão do modelo fica registrada em disco.
Consultor de abordagem
Diz quando NÃO usar ML: se basta uma regra, se faltam dados ou se convém um LLM com RAG.
Com seu agente
Claude Code, Codex ou Kiro operam o ML Studio com ferramentas MCP, e você vê cada passo ao vivo.
A fronteira dos seus dados
O ML Studio aplica as mesmas regras que protegem seu código, agora para os seus datasets.
- O worker não tem redeTreina sem acesso à internet por padrão (allowNetwork: false).
- O agente vê perfis, não linhasEstatísticas, esquemas e métricas; o que é sensível vai mascarado.
- O irreversível é você quem decidePromover um modelo para produção sempre espera por uma pessoa.
Treine seu primeiro modelo hoje
Crie sua conta, abra o ML Studio com Ctrl+Alt+4 e escolha um modelo pronto ou descreva seu problema.