Basé sur des composants : créez des étapes encapsulées, puis composez-les pour créer des pipelines complexes.

État en évolution : chaque étape du pipeline peut s’adapter et évoluer tout au long du processus d’apprentissage.

Réglage des hyperparamètres : optimisez vos pipelines à l’aide d’AutoML, où chaque étape du pipeline possède son propre espace d’hyperparamètres.

Compatible : utilisez vos bibliothèques d’apprentissage automatique préférées à l’intérieur et à l’extérieur des pipelines Neuraxle.

Prêt pour la production : les étapes du pipeline peuvent gérer elles-mêmes la manière dont elles sont enregistrées, et le cycle de vie des objets permet les modes d’entraînement et de test.

Pipeline de streaming : transformez les données en plusieurs étapes de pipeline en même temps et en parallèle à l’aide de files d’attente multitraitements.