OrchestraML

OrchestraML 是什麼？

OrchestraML 是一款 AI 輔助的機器學習工作流程工具，能將白話的 ML 目標轉換為引導式流程。它支援資料集搜尋或上傳、探索性資料分析、資料清理、特徵工程、使用 AutoML 進行模型選擇、評估，以及部署或封裝匯出。

這款產品採用多代理工作流程，並在關鍵檢查點保留人工核准。它會以白話英文記錄決策、產生包含指標與可解釋性成果的報告，並可輸出可下載的模型套件或即時 API 端點。

主要功能

• 多代理流程編排：由不同代理分工處理編排、資料集選擇、EDA、清理、特徵工程、建模、評估與部署。
• 人工檢查點：流程會在 6 個關鍵關卡暫停，讓使用者在繼續前核准或引導決策。
• AutoML 模型搜尋：使用 FLAML AutoML 與自適應時間預算，根據資料集大小與任務複雜度選出模型。
• 稽核軌跡與報告：以白話英文記錄 AI 決策並產生分頁報告，包含指標、圖表、SHAP 可解釋性、偏差檢查與部署選項。
• 資料準備與診斷：包含自動概況分析、空值與離群值處理、不平衡偵測、特徵選擇，以及分布圖、熱力圖、類別平衡圖與箱型圖等 EDA 圖表。
• 匯出與部署選項：可產生可直接執行的 ZIP，內含 model.pkl、scaler.pkl、predict.py、requirements.txt 和 README，或部署成即時 API。
• 安全處理：上傳時加密資料集，流程完成後刪除資料集，只保留訓練好的模型。

如何使用 OrchestraML

先用白話英文描述你的 ML 目標，然後上傳資料集，或讓代理幫你找資料集。系統接著會逐步執行流程，在關鍵檢查點顯示紀錄並要求核准。

流程完成後，檢視包含指標、SHAP 解釋、偏差分析與 AI 決策紀錄的報告。之後可下載模型套件，或將結果模型部署為 API。

使用情境

• 學生想建立第一個機器學習專案，卻不想手動編寫前處理、模型選擇或部署程式。
• 分析師手上有 CSV，想要一個引導式流程來清理資料、訓練模型並檢視效能。
• 使用者在分享模型前，需要 SHAP 圖與單筆預測說明等可解釋性成果。
• 團隊想要一個可控的流程，讓主要步驟需要核准，而不是完全自動無人監督。
• 需要本地封裝模型交付成果的流程，包含訓練好的模型、前處理檔案與預測腳本。

常見問題

• OrchestraML 需要 ML 專業知識嗎？不需要。來源表示，使用者可以用白話英文描述目標，開始時不需要 ML 專業知識。
• 我可以上傳自己的資料集嗎？可以。產品支援由代理處理的資料集上傳或資料集搜尋。
• 流程會在沒有監督下執行嗎？不會。它包含 6 個人工檢查點，流程會在關鍵動作前暫停以供核准。
• 輸出內容包含什麼？報告包含指標、SHAP 可解釋性、偏差分析與部署選項，產品也可匯出可下載套件。
• 它支援即時部署嗎？支援。來源說使用者可以下載模型套件，或部署成即時 API。

替代方案

• 傳統筆記本式工作流程：提供更多手動控制與彈性，但需要使用者逐步處理分析、清理、訓練與封裝。
• 託管式 AutoML 平台：著重於自動模型選擇與訓練，但可能不強調多代理、檢查點驅動的流程，或相同程度的決策稽核細節。
• 由多個工具組成的 MLOps 流程：可涵蓋資料前處理到部署，但通常需要自行整合與維護多個元件，而不是使用單一引導式介面。
• 使用 Python ML 函式庫手動撰寫腳本：提供最高客製化程度，但 EDA、特徵工程、評估與部署設定的完整負擔都落在使用者身上。