FuncionalidadesCasos de UsoBlogReferencia APIPor Qué CorePlexMLPrecios
Empezar Gratis
Python SDK

Construye Pipelines ML en Python

El SDK oficial de Python para CorePlexML. Entrena modelos, despliega endpoints y gestiona todo tu ciclo de vida de ML de forma programática.

$pip install coreplexml
ComenzarReferencia API
Instalación

Funcional en 60 segundos

Instala el SDK, autentícate con tu clave API y comienza a construir.

terminal
# Instalar desde PyPI
$ pip install coreplexml

# Requisitos
# Python 3.9+
# requests >= 2.28
authenticate.py
from coreplexml import CorePlexMLClient

client = CorePlexMLClient(
    base_url="https://your-instance.coreplexml.io",
    api_key="sk_your_api_key"
)
Inicio Rápido

De extremo a extremo en un script

Desde la carga de datos hasta predicciones en producción — un flujo de trabajo de ML completo en un único archivo Python.

quickstart.py
from coreplexml import CorePlexMLClient

client = CorePlexMLClient(base_url="https://api.coreplexml.io", api_key="sk_xxx")

# Crear un proyecto
project = client.projects.create(name="Churn Prediction", description="Q1 2026 model")

# Subir datos de entrenamiento
dataset = client.datasets.upload(
    project_id=project["id"],
    file_path="customers.csv",
    name="Customer Data"
)

# Entrenar con AutoML
experiment = client.experiments.create(
    project_id=project["id"],
    dataset_version_id=dataset["dataset_version_id"],
    target_column="churn",
    problem_type="classification"
)

# Esperar a que termine el entrenamiento
result = client.experiments.wait(experiment["id"])
print(f"Mejor modelo: {result['best_model_id']}")

# Desplegar a producción
deployment = client.deployments.create(
    project_id=project["id"],
    model_id=result["best_model_id"],
    name="churn-prod",
    stage="production"
)

# Realizar predicciones
prediction = client.deployments.predict(
    deployment_id=deployment["id"],
    inputs={"age": 35, "tenure": 24, "monthly_charges": 65.50}
)
print(f"Probabilidad de abandono: {prediction['probability']:.2%}")
Módulos

Un cliente, 13 módulos

Accede a todos los recursos de CorePlexML mediante métodos intuitivos con espacio de nombres — desde entrenamiento AutoML hasta pruebas A/B y alertas.

Projects

Crea y gestiona espacios de trabajo. Organiza conjuntos de datos, experimentos y despliegues bajo un único proyecto.

projects = client.projects.list()
project = client.projects.create(name="My Project")

Datasets

Sube archivos CSV, gestiona versiones de conjuntos de datos y obtén metadatos de columnas para tus datos de entrenamiento.

dataset = client.datasets.upload(project_id, "data.csv", name="Training Data")
versions = client.datasets.versions(dataset_id)

Experiments (AutoML)

Lanza ejecuciones de entrenamiento AutoML con selección automática de algoritmos y ajuste de hiperparámetros.

exp = client.experiments.create(project_id, dataset_version_id, target_column="target")
result = client.experiments.wait(exp["id"], timeout=3600)

Deployments (MLOps)

Despliega modelos a endpoints de producción con lanzamientos canary, pruebas A/B y monitoreo en tiempo real.

dep = client.deployments.create(project_id, model_id, name="prod", stage="production")
pred = client.deployments.predict(dep["id"], inputs={...})

Privacy Suite

Detecta y transforma PII en 72+ tipos. Perfiles integrados de HIPAA, GDPR, PCI-DSS y CCPA.

policy = client.privacy.create_policy(project_id, name="HIPAA", profile="hipaa")
session = client.privacy.create_session(policy_id, dataset_id)
client.privacy.detect(session["id"])

SynthGen

Genera datos sintéticos seguros para la privacidad con los motores CTGAN, CopulaGAN y TVAE.

model = client.synthgen.create_model(project_id, dataset_version_id, model_type="ctgan")
synthetic = client.synthgen.generate(model["id"], num_rows=10000)

Batch Predictions

Ejecuta predicciones sobre conjuntos de datos completos de forma asíncrona. Sube un CSV, inicia un trabajo por lotes y descarga los resultados cuando estén listos.

job = client.predictions.create(deployment_id, file_path="batch.csv")
result = client.predictions.wait(job["id"])
client.predictions.download(job["id"], "output.csv")

Streaming Predictions

Streaming WebSocket en tiempo real para el progreso de inferencia por lotes y resultados de predicción en vivo.

for row in client.streaming.predict(deployment_id, data):
    print(row["prediction"], row["confidence"])

Model Registry

Versionado semántico, transiciones de etapa (dev → staging → prod), fichas de modelo y rastreo de linaje.

ver = client.registry.create_version(project_id, model_id, version="1.2.0")
client.registry.transition_stage(ver["id"], stage="production")

Reports

Genera reportes PDF sobre rendimiento del modelo, importancia de características, análisis de drift y resúmenes de despliegue.

report = client.reports.generate(project_id, kind="performance")
result = client.reports.wait(report["id"])
client.reports.download(report["id"], "report.pdf")

A/B Testing

Crea experimentos entre variantes de modelos con divisiones de tráfico configurables y análisis estadístico.

test = client.ab_tests.create(project_id, model_a, model_b, split=50)
results = client.ab_tests.get_results(test["id"])

Alerts

Configura reglas de alerta de monitoreo con notificaciones multicanal: Slack, correo electrónico y webhooks.

rule = client.alerts.create_rule(deployment_id, metric="drift_psi", threshold=0.2)
client.alerts.add_channel(rule["id"], channel_type="slack")

Admin

Administración de la plataforma: gestiona usuarios, revisa configuraciones del sistema y monitorea el estado de la plataforma.

users = client.admin.list_users(page=1, per_page=50)
settings = client.admin.manage_settings(gpu_enabled=True)
Capacidades

Todo lo que necesitas, nada que no

El SDK refleja cada endpoint de la API en una interfaz limpia y pythónica — con valores predeterminados inteligentes para que puedas avanzar rápido.

  • CRUD completo para todos los recursos de la plataforma en 13 módulos
  • Espera bloqueante con polling para operaciones asíncronas (entrenamiento, generación de reportes)
  • Manejo de errores tipado (AuthenticationError, NotFoundError, ValidationError, APIError)
  • Tiempos de espera configurables y lógica de reintentos
  • Soporte de carga de archivos (CSV, Excel, JSON, XML)
  • Predicciones por lotes y streaming (REST + WebSocket)
  • Generación y descarga de reportes (7 tipos de reportes)
  • Registro de modelos con versionado semántico y gestión de etapas
  • Pruebas A/B con análisis de significancia estadística
  • Configuración de alertas multicanal (Slack, correo electrónico, webhooks)
  • Integración de Privacy Suite y SynthGen
  • Operaciones de administración para gestión de usuarios y plataforma
Manejo de Errores

Excepciones tipadas, diagnósticos claros

Cada tipo de error es una excepción distinta con contexto accionable. No más conjeturas a partir de códigos HTTP crudos.

error_handling.py
from coreplexml import CorePlexMLClient
from coreplexml.exceptions import (
    AuthenticationError,
    NotFoundError,
    ValidationError,
    APIError,
)

client = CorePlexMLClient(base_url="https://api.coreplexml.io", api_key="sk_xxx")

try:
    experiment = client.experiments.create(
        project_id="proj_abc",
        dataset_version_id="dsv_123",
        target_column="revenue"
    )
except AuthenticationError:
    print("Clave API inválida o expirada")
except NotFoundError as e:
    print(f"Recurso no encontrado: {e.resource_id}")
except ValidationError as e:
    print(f"Parámetros inválidos: {e.errors}")
except APIError as e:
    print(f"HTTP {e.status_code}: {e.message}")

Empieza a construir con el SDK
hoy

Obtén tu clave API, instala el paquete y despliega tu primer modelo en minutos.

Obtener API KeyLeer la Documentación