Gestão completa do ciclo de vida de modelos
Do registro de modelos ao deploy em produção com monitoramento. Rollouts canary, swaps blue-green, detecção de drift, alertas e re-treinamento automático — tudo integrado.
8 estrategias de deploy para cada cenario
De rollouts canary a testes A/B. Faca deploy de modelos com seguranca com rollback automatico e gestao de trafego.
Deploy Canary
Roteia uma pequena porcentagem do trafego para o novo modelo. Aumenta gradualmente conforme as metricas de saude confirmam comportamento estavel. Rollback automatico em caso de degradacao.
Swap Blue-Green
Executa dois ambientes identicos em paralelo. Troca o trafego instantaneamente com zero tempo de inatividade. Rollback instantaneo ao trocar de volta.
Deploy Shadow
O novo modelo recebe trafego de producao em paralelo sem servir respostas. Compara saidas com o modelo ativo sem risco.
Testes A/B
Divide o trafego entre variantes de modelos com proporcoes configuraveis. Teste de significancia estatistica e declaracao automatica de vencedor.
Rollout Progressivo
Rollout por etapas com gates de saude. Defina porcentagens de trafego e criterios de validacao para cada etapa antes de prosseguir.
Staging para Producao
Faca deploy em staging para validacao. Promova para producao apos aprovacao manual ou automatica com trilha de auditoria completa.
Key Capabilities
Everything you need to get the most out of this module.
Registro de Modelos
Versione, gerencie estágios e rastreie metadados de cada modelo. Linhagem completa dos dados ao deploy.
Estratégias de Deploy
Estratégias canary, blue-green, shadow e A/B com gestão automática de tráfego.
Monitoramento e Drift
Testes estatísticos detectam drift de dados e conceito. Acompanhamento de desempenho com alertas configuráveis.
Re-treinamento Automático
Pipelines de re-treinamento ativados por drift, agendados ou baseados em desempenho que mantêm os modelos atualizados.
Detecte problemas antes que impactem producao
Monitoramento integral com deteccao de drift, rastreamento de latencia e alertas multi-canal.
Deteccao de Drift (PSI)
O Indice de Estabilidade Populacional rastreia deslocamentos na distribuicao de features e predicoes. Limiares configuraveis disparam alertas ou re-treinamento.
Rastreamento de Acuracia
Monitoramento continuo do desempenho contra dados rotulados. Detecta o drift de conceito antes que impacte os resultados de negocio.
Monitoramento de Latencia
Rastreia latencia de inferencia p50, p95 e p99. Alerta em caso de degradacao para detectar problemas de infraestrutura precocemente.
Logging de Inferencia
Cada predicao registrada com features de entrada, saida, latencia e metadados. Auditoria completa por requisicao para compliance.
Alertas Multi-Canal
Canais Slack, Email e Webhook. Periodos de cooldown configuraveis, niveis de severidade (info, aviso, critico) e regras de escalacao.
Re-treinamento Automatico
Re-treinamento disparado por drift, baseado em agenda ou desempenho. Promocao automatica quando a validacao supera os limiares de melhoria.
Faca deploy e monitore via codigo
Ciclo de vida de deploy completo pelo SDK — crie, promova, prediga, monitore drift e configure re-treinamento automatico.
from coreplexml import CorePlexMLClient
client = CorePlexMLClient(
base_url="https://api.coreplexml.io",
api_key="sk_your_api_key"
)
# Deploy model to staging
deployment = client.deployments.create(
project_id="proj_abc",
model_id="mod_best_xgb",
name="fraud-detector-v2",
stage="staging"
)
# Promote to production
client.deployments.promote(deployment["id"])
# Real-time predictions
result = client.deployments.predict(
deployment_id=deployment["id"],
inputs={"amount": 9500, "merchant": "electronics", "hour": 2}
)
print(f"Fraud probability: {result['probability']:.2%}")
# Check drift metrics
drift = client.deployments.drift(deployment["id"])
print(f"PSI: {drift['psi']:.4f}")
# Set up auto-retraining on drift
client.retraining.create_policy(
deployment_id=deployment["id"],
trigger="drift",
threshold=0.15,
auto_promote=True
)API de MLOps
160+ endpoints para deploys, registro de modelos, estrategias canary/blue-green/shadow, testes A/B, monitoramento, alertas e re-treinamento automatico.
/api/mlops/projects/{id}/deploymentsCriar deploy (staging ou producao)
/api/mlops/deployments/{id}/predictEndpoint de inferencia em tempo real
/api/mlops/deployments/{id}/promotePromover staging para producao
/api/mlops/deployments/{id}/driftMetricas de deteccao de drift (PSI, drift de dados, drift de conceito)
/api/mlops/deployments/{id}/canaryIniciar deploy canary com etapas de trafego e rollback automatico
/api/mlops/deployments/{id}/blue-greenCriar deploy blue-green com capacidade de swap instantaneo
/api/mlops/deployments/{id}/shadowIniciar deploy shadow para validacao passiva do modelo
/api/mlops/ab-testsCriar teste A/B entre variantes de modelos
/api/mlops/ab-tests/{id}/resultsResultados estatisticos com intervalos de confianca
/api/mlops/registry/versionsCriar versao no registro de modelos com versionamento semantico
/api/mlops/registry/versions/{id}/stageTransicionar estagio de versao (dev → staging → prod → arquivado)
/api/mlops/retraining-policiesConfigurar gatilhos de re-treinamento automatico (agenda, drift, desempenho)
/api/mlops/projects/{id}/alert-rulesCriar regras de alerta de monitoramento com severidade e cooldown
/api/mlops/notification-channelsConfigurar canais de notificacao Slack, email ou webhook
/api/predictions/batchIniciar trabalho de predicao em lote com upload de CSV
/ws/predictions/{id}/streamWebSocket streaming para progresso de inferencia em lote em tempo real
Deploys, monitoramento e analise
Lista de deploys com estagios staging e producao
ML Studio para analise de cenarios
7 tipos de relatorio com geracao em um clique
Pronto para comecar?
Comece a construir com CorePlexML hoje. Plano gratuito disponivel — nao e necessario cartao de credito.