Modelcraft | Management Solutions

¿Por qué Modelcraft™?

ModelCraft™ es una herramienta de automated machine learning y modelización por componentes diseñada para simplificar e industrializar los procesos de desarrollo y validación de modelos de analítica avanzada

ModelCraft™ dispone de componentes de uso intuitivo para el tratamiento de datos, el desarrollo de modelos de analítica avanzada y el análisis de interpretabilidad. Esta plataforma permite a los usuarios conectarse sin problemas a cualquier fuente de datos y generar workflows de modelización de forma visual y sin necesidad de tener conocimientos de codificación.

ModelCraft™ responde eficazmente a las exigencias del sector:

Simplificando la integración de algoritmos avanzados de aprendizaje automático -como el refuerzo por gradiente, las redes elásticas, los modelos ensemble, los bosques aleatorios, las máquinas de vectores soporte y las redes neuronales- en el proceso de modelización.
Racionalizando y agilizando el proceso de modelización mediante la reutilización de código y la reducción al mínimo del tiempo dedicado a tareas rutinarias.
Poniendo las técnicas avanzadas de modelización al alcance de equipos sin conocimientos especializados.
Mejorando el desempeño, la trazabilidad y la comparabilidad de los modelos.
Facilitando la interpretabilidad de los modelos y automatizando el proceso de su documentación.
En definitiva, perfeccionando los procesos de desarrollo y validación de modelos y fomentando la creación de modelos challenger avanzados.

ModelCraft™ se desarrolla en la nube y utiliza de forma nativa las capacidades de auto-escalabilidad y computación en paralelo.

Además, el ecosistema ModelCraft™ incluye la suite ModelCraft™ Library, una librería de Python/PySpark creada sobre componentes analíticos reutilizables y testados durante su desarrollo, que permite estructurar, estandarizar y acelerar el desarrollo, la validación y puesta en producción de modelos mediante pipelines robustos, reproducibles y auditables.

Gracias a ello, la herramienta ModelCraft™ acelera la transición a la modelización basada en componentes, que es más eficiente, interpretable y accesible, al tiempo que reduce el riesgo del modelo.

Funcionalidades de ModelCraft™

ModelCraft™ cuenta con una librería de componentes predefinidos que soportan el ciclo de vida completo de la modelización

Input, conexión y descargas

Lector de datos input que admite distintos formatos y delimitadores.

Componentes de conexión con bases de datos (Cloud, RDS).

Descarga de modelos, datos procesados e informes automatizados.

Muestreo

Algoritmos de muestreo.

Obtención de muestras de entrenamiento, test y validación.

Algoritmos de tratamiento de datos con alto grado de desbalanceo (técnicas de sobremuestreo y submuestreo).

Visualizaciones

Comparación entre modelos y selección del modelo óptimo.

Análisis de la estructura de la base de datos.

Análisis exploratorio de datos.

Cálculo de estadísticos descriptivos.

Performance y predicción

Mapeo de criterios en las muestras de entrenamiento, validación y test.

Cálculo de métricas y KPIs.
Realización de análisis out-of-time y backtesting.
Generación de Predicciones.
Cálculo de métricas y KPIs.

Análisis out-of-time y backtesting.

Predicciones.

Validación de modelos.

Gestión de bases de datos

Conexión simultánea con distintos repositorios de datos, incluidas las bases de datos MySQL.

Tratamiento de datos con SQL (generación de tablas, manipulación y obtención de datos, cruce de tablas, etc.).

Importación y exportación de ficheros.

Feature engineering

Análisis de correlaciones.

Análisis e imputación de missings.

Análisis y tratamiento de outliers.

Técnicas de encoding.

Algoritmos binning.

Componentes personalizados para tareas de preprocesamiento específicas.

Entrenamiento de modelos

Técnicas de ajuste de hiperparámetros.

Entrenamiento de modelos supervisados y no supervisados.

Metodologías de ensamblado de modelos.

Interpretabilidad

Análisis de importancia de variables utilizando técnicas avanzadas de interpretación (SHARP, LIME, Modelos Sustitutos).

Algoritmos branch & bound.

Análisis univariantes y bivariantes.

Seguimiento de todo el proceso de desarrollo.

Generación automática de informes sobre los modelos.

Automated machine learning

Generación de componentes creadas por el usuario, incluido código libre, en tiempo real.

Determinación y optimización del camino crítico entre componentes.

Encapsulación de componentes en tres niveles de profundidad.

Acceso al código Python de cada componente.

Características de ModelCraft™

ModelCraft™ facilita la aplicación de técnicas de aprendizaje automático mediante una plataforma intuitiva y robusta, desplegada como una tecnología sencilla, flexible y escalable

Usuario

Facilidad de uso

La interfaz de ModelCraft™ permite la construcción visual de los flujos de trabajo de la modelización, proporcionando un acceso estructurado a toda la configuración de los parámetros

Personalización

El usuario puede diseñar sus propios componentes y flujos de modelización, accediendo a los códigos Python generados.

Explicabilidad

Con un solo clic, ModelCraft™ produce un resumen detallado del modelo, incluidas sus variables y todo el proceso de desarrollo, explicando las decisiones del usuario (por ejemplo, los hiperparámetros del modelo) y las elecciones algorítmicas (por ejemplo, las razones de la exclusión de variables).

Evolución

ModelCraft™ se actualiza continuamente para satisfacer las demandas de la industria; por ejemplo, las próximas incorporaciones a la herramienta incluyen el uso de grandes modelos lingüísticos (LLM) y el desarrollo de redes neuronales avanzadas.

Trazabilidad

La plataforma garantiza la trazabilidad completa de los desarrollos, ofreciendo acceso total al código, junto con funciones completas de registro y trazabilidad..

Código optimizado

Cada componente de ModelCraft™ se ajusta para optimizar la eficiencia computacional, utilizando bibliotecas de entornos de programación de vanguardia.

Adaptabilidad

ModelCraft™ dispone de módulos adicionales para resolver problemas específicos con soluciones ad-hoc como: ModelCraft™ University, ModelCraft™ Virology o ModelCraft™ Validation Workspace (MVW).

Tecnologías de la Información (TI)

Flexibilidad en la implementación

ModelCraft™ puede desplegarse como herramienta en la nube del cliente o como software-as-a-service (SaaS) en la nube, de acuerdo con las necesidades del cliente.
.

Escalabilidad y computación en paralelo

ModelCraft™ es escalable y aprovecha al máximo las capacidades de computación en paralelo, lo que permite el tratamiento de grandes volumetrías de datos y ejecuciones con una elevada carga computacional.

Despliegue sencillo

la arquitectura diseñada permite que ModelCraft™ pueda ser desplegada en un plazo muy breve, incluyendo un análisis de las necesidades del cliente, sus preferencias de configuración y las customizaciones necesarias.

Soporte reducido

ModelCraft™ requiere un soporte de IT reducido, y el servicio de mantenimiento incluye el despliegue de evolutivos.

ESTRUCTURA de ModelCraft™

ModelCraft™ dispone de dos áreas de trabajo principales: el panel de gestión de datos y el panel de modelización

El panel de gestión de datos permite a los usuarios conectarse a cualquier base de datos y realizar tareas como extraer, fusionar y tratar tablas mediante SQL. El panel de modelización permite, mediante componentes, realizar análisis exploratorios de datos, preparar los datos para la modelización, y entrenar e interpretar algoritmos avanzados de Learning.

Gestión de datos

Gestión de bases de datos.
Conexión simultánea a diferentes repositorios de datos, incluidas las bases de datos MySQL.
Programación en SQL.

Modelización

Tratamiento de datos y EDA.
Componentes de modelización y algoritmos avanzados de Machine Learning.
Componentes de interpretabilidad y reporting automático.

Los componentes de modelización se organizan en tres niveles de profundidad: desde el nivel 0, que abarca las tareas mínimas ejecutables como la detección de outliers o el entrenamiento de modelos, hasta el nivel 2, que implica la agregación de componentes para construir un proceso de modelización end-to-end.

modelcraft

Arquitectura técnica

ModelCraft™ ha sido desarrollado de forma nativa en cloud, mediante una arquitectura basada en Kubernetes que permite el rápido despliegue de la librería de componentes y el front de programación visual

La arquitectura de ModelCraft™ está enfocada a diferentes librerías de componentes apificadas, lo que permite el uso de las componentes como microservicios, e incluye un gestor de usuarios, almacenamiento y ejecuciones.

ModelCraft™ Library

ModelCraft™ Library es la librería de Python/PySpark creada sobre componentes analíticos reutilizables y testados durante su desarrollo, que permite estructurar, estandarizar y acelerar el desarrollo, la validación y puesta en producción de modelos mediante pipelines robustos, reproducibles y auditables

ModelCraft™ Library es la evolución de ModelCraft hacia un formato ligero y reutilizable: una librería con los mismos componentes, la misma lógica de trabajo y la misma calidad, pero sin necesidad de desplegar una herramienta completa, reduciendo al mínimo las dependencias tecnológicas.

Está construida sobre PySpark, lo que permite utilizarla en las plataformas big data ya disponibles en algunas entidades. De esta forma, los equipos pueden trabajar con datos masivos y con computación distribuida sin cambiar de entorno.

La librería reúne componentes listos para usar en todas las fases del pipeline: tratamiento de datos, ingeniería de variables, entrenamiento, evaluación, explicabilidad, validación y monitorización. Todo ordenado y encapsulado de forma consistente, para evitar tareas repetitivas y acelerar tanto el desarrollo como la validación.

ModelCraft™ Library puede utilizarse como acelerador en proyectos, integrada directamente en el entorno del cliente o en formato de co-desarrollo, creando librerías corporativas basadas en otros componentes.

ModelCraft™ Library completa la cobertura del ciclo de vida completo del modelo permitiendo el desarrollo de modelos de Machine Learning, estandarizando su creación y despliegue bajo un mismo entorno: prepara el dato, entrena modelos con control de sesgos e interpretabilidad local y global, y los lleva a producción mediante formatos nativos como Pickle u ONNX siguiendo principios MLOps. Además, el módulo estadístico de validación de modelos IRB e IFRS 9, que evalúa la distribución, el poder predictivo y la heterogeneidad, y entrega métricas y tests segmentados por periodos de interés, está conectado con herramientas de IA generativa (GenMS NEXUS) para generar automáticamente informes de validación alineados con la guía metodológica, reduciendo el tiempo de elaboración y garantizando documentación estandarizada y trazable.