Machine learning și deep learning, fără ca datele tale să iasă de pe calculatorul tău.

De la obiectivul de business la modelul publicat, într-un flux ghidat în șase pași. Antrenează cu scikit-learn, PyTorch sau Transformers, specializează LLM-uri locale și răspunde pe baza documentelor tale. Agentul te ajută să proiectezi și să citești rezultatele; datele reale le vezi doar tu și modelele tale.

Yuli Code — bajas-clientesML StudioFără rețea
  1. 1Început
  2. 2Date
  3. 3Proiectare
  4. 4Antrenare
  5. 5Evaluare
  6. 6Publicare
Cel mai bunF1 0,872
Ritm · 38,4 pași/sAntrenare în desfășurare
Se termină în4 min 12 s
Epoca 18 din 24 Pierdere (antrenare) Pierdere (validare)
Metrici de validare
  • F10,872
  • AUC0,931
  • Precision0,858
  • Recall0,887

Criteriu de acceptare: F1 ≥ 0,85 · Îndeplinește

clientes.csv · v4 · 48 210 rânduri
  • antiguedad_mesesint
  • plancat
  • email••••••
  • telefono••••••
  • rfc••••••
  • bajalabel

3 coloane mascate

Plan validat: 0 avertismente

Worker fără rețea · mediul .venv al proiectului

Partiție stratificată 70 / 15 / 15

Punct de control salvat în models/churn-gbm/v3

models/churn-gbm/v3GPU · 8,1 / 12 GBPython 3.12 · .venv

De la idee la model în șase pași

Filele numerotate te conduc pas cu pas. Te poți întoarce la orice pas.

  1. 1

    Început

    Descrii obiectivul cu propriile cuvinte, iar Yuli îl traduce în ML: tip de problemă, metrică și strategie.

  2. 2

    Date

    Imporți și profilezi: valori nule, echilibru, corelații, date sensibile mascate și versiuni imuabile.

  3. 3

    Proiectare

    Yuli propune strategia și răspunde la opt întrebări, de la ce învață la cum vom ști că s-a îmbunătățit.

  4. 4

    Antrenare

    Curba de învățare în timp real, pauză, reluare, căutarea hiperparametrilor și avertisment de supraadaptare.

  5. 5

    Evaluare

    Evaluare independentă pe date pe care antrenarea nu le-a văzut niciodată: robustețe, echitate și campion contra challenger.

  6. 6

    Publicare

    ONNX cu paritate, cuantizare, teste de integritate și serviciu local pe 127.0.0.1.

Tot ce îți trebuie ca să antrenezi serios

  • Deep learning

    Designer de rețele strat cu strat, tokenizere proprii, diagnostic GPU, estimarea memoriei și DDP.

  • LLM Studio

    Specializează modele de limbaj locale cu SFT, DPO, ORPO, KTO și QLoRA și cuantizează-le cu poartă de calitate.

  • Cunoaștere (RAG)

    Răspunde pe baza documentelor tale: index local, citarea sursei și nimic care să iasă pe internet.

  • Experimente

    Compară antrenări, parametri și metrici; fiecare versiune a modelului rămâne înregistrată pe disc.

  • Consilierul de abordare

    Îți spune când să NU folosești ML: dacă ajunge o regulă, dacă lipsesc date sau dacă e mai bun un LLM cu RAG.

  • Cu agentul tău

    Claude Code, Codex sau Kiro operează ML Studio cu instrumente MCP, iar tu vezi fiecare pas în timp real.

Granița datelor tale

ML Studio aplică aceleași reguli care îți protejează codul, acum și pentru seturile tale de date.

  • Workerul nu are rețeaAntrenează implicit fără acces la internet (allowNetwork: false).
  • Agentul vede profiluri, nu rânduriStatistici, scheme și metrici; ce este sensibil rămâne mascat.
  • Ce este ireversibil decizi tuPromovarea unui model în producție așteaptă întotdeauna o persoană.

Antrenează-ți primul model azi

Creează-ți contul, deschide ML Studio cu Ctrl+Alt+4 și alege un șablon sau descrie-ți problema.