Платформа для разработки интеллектуального программного обеспечения в энергетике

1. Управление конвейерами машинного обучения

  1.1. Создание и базовое управление

• Создание новых ML-конвейеров с уникальными идентификаторами через REST API

• Получение списка всех конвейеров в системе

• Просмотр детальной информации о конкретном конвейере по UUID

• Копирование существующих конвейеров

• Удаление конвейеров по идентификатору

• Автоматическое сохранение состояния конвейеров в базе данных PostgreSQL

  1.2. Управление состоянием конвейеров

• Сохранение метаданных конвейера (путь, сводка, статус обучения)

• Отслеживание времени создания и последнего обновления

• Хранение флага is_fitted (обучен/не обучен)

• Сериализация и десериализация конвейеров

2. Управление последовательностью шагов

• Добавление новых шагов в конвейер

• Удаление существующих шагов по имени

• Переименование шагов конвейера

• Перестановка порядка шагов (swap)

• Просмотр списка всех шагов конвейера

• Получение детальной информации о конкретном шаге

3. Обучение моделей

  3.1. Подготовка данных

• Прием входных данных в форматах JSON

• Автоматическая валидация структуры входных данных

• Подготовка признаков и меток для обучения

• Разделение данных на обучающую и тестовую выборки

  3.2. Процесс обучения

• Последовательное выполнение всех шагов конвейера

• Обучение моделей машинного обучения на предоставленных данных

• Автоматическое вычисление метрик качества после обучения

• Сохранение обученного состояния конвейера

  3.3. Валидация и оценка

• Проверка корректности параметров обучения

• Валидация входных данных на соответствие ожидаемым форматам

• Расчет метрик качества на тестовой выборке

• Сохранение результатов обучения в базе данных

4. Выполнение задач машинного обучения

  4.1. Выполнение обработки данных

• Прием новых данных для обработки

• Применение обученного конвейера к входным данным

• Выполнение обработки данных в соответствии с настроенной последовательностью шагов конвейера

• Возврат результатов обработки в структурированном формате

• Поддержка пакетной обработки множества записей

  4.2. Работа с обученными конвейерами

• Загрузка сохраненных состояний конвейеров

• Проверка статуса обучения конвейера (is_fitted)

• Обработка ошибок при попытке выполнения обработки необученным конвейером

5. Управление метриками и экспериментами

  5.1. Сохранение метрик

• Автоматическое сохранение метрик обучения в базе данных

• Связывание метрик с конкретными конвейерами

• Хранение истории изменений метрик

  5.2. Отслеживание экспериментов

• Сохранение параметров обучения и конфигурации конвейеров

• Хранение временных меток обучения и прогнозирования

• Возможность сравнения результатов разных экспериментов