ML Space

Российская платформа для ML-разработки полного цикла и совместной работы DS-команд

Получить консультацию Документация

Обеспечим всем необходимым

Подходит для end‑to‑end ML‑разработки в облаке и on‑premise

Экономит до 30% рабочего времени дата‑сайентистов

Сокращает время разработки и time‑to‑market моделей в несколько раз

Повышает уровень ML‑зрелости проектов

Защищает от утечек информации

Встраивается в ландшафт информационной безопасности компании

Концентрируйтесь на создании AI-сервисов, все остальное есть в ML Space

Привычная среда разработки

Jupyter® Notebook и Jupyter® Lab, доступ по SSH и базовые образы с популярными инструментами

Совместная работа

Ускоренная ML-разработка с платформой ML Space и суперкомпьютером Christofari

Кастомные образы

Разворачивайте ваши образы в качестве окружений или деплоев

Безопасность

Аттестат 152 ФЗ, уровня УЗ-1 для работы с персональными данными.
Сертификация ЦОД Tier III

Масштабируемость и гибкость

Вычислительные ресурсы подбираются и автомасштабируются в соответствии с вашими задачами, потребностями и бюджетом

Мультикластерность и распределённое обучение

Под капотом:

CPU
1000+ GPU Tesla v100
700+ GPU Tesla A100

И это все по
PAY-AS-YOU-GO

Нам доверяют

JunistatЧитать кейс

Задача: Создавать нейронные сети для тестирования навыков юных футболистов

Результат: Компания обучает новые AI-модели и дообучает существующие с помощью инструментов ML Space

Читать кейс

Линейка продуктов на базе ML Space

Christofari и Сhristofari NEO

Ускоренная ML-разработка с суперкомпьютерами Christofari и Сhristofari NEO

Cloud AI Services

Решение бизнес-задач с помощью сервисов на базе моделей машинного обучения

DS WORKS

Проведение DS-чемпионатов для решения ваших задач на площадке DS works

DataHub

Хаб датасетов, предобученных моделей и контейнеров для эффективной разработки

AI Services

Маркетплейс готовых AI Services для создания продуктов и решения бизнес задач

Полный цикл ML-разработки

Data catalog

Набор сервисов для переноса данных и управления артефактами машинного обучения: датасетами, моделями, Docker-контейнерами

Environments

Готовые окружения для препроцессинга и обучения на базе привычных Jupyter ® Notebook или Jupyter ® Lab. Возможность распределённого обучения, а также мониторинга моделей, экспериментов, инфраструктуры.

Deployments

Деплой, тестирование и мониторинг подготовленных моделей. Внедрение развёрнутой модели в микросервисы, функции и бизнес-приложения с автоматическим масштабированием ресурсов под нагрузку.

ML Space Private

Все преимущества ML Spacе в контуре клиента или при гибридном сценарии