FuncionalidadesCasos de UsoBlogReferência APIPor Que CorePlexMLPreços
Começar Grátis
Python SDK

Construa Pipelines ML em Python

O SDK oficial de Python para CorePlexML. Treine modelos, faca deploy de endpoints e gerencie todo seu ciclo de vida de ML de forma programatica.

$pip install coreplexml
ComecarReferencia API
Instalacao

Funcional em 60 segundos

Instale o SDK, autentique-se com sua chave API e comece a construir.

terminal
# Instalar do 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 Rapido

De ponta a ponta em um script

Do upload de dados ate predicoes em producao — um fluxo de trabalho de ML completo em um unico arquivo Python.

quickstart.py
from coreplexml import CorePlexMLClient

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

# Criar um projeto
project = client.projects.create(name="Churn Prediction", description="Q1 2026 model")

# Fazer upload dos dados de treinamento
dataset = client.datasets.upload(
    project_id=project["id"],
    file_path="customers.csv",
    name="Customer Data"
)

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

# Aguardar o termino do treinamento
result = client.experiments.wait(experiment["id"])
print(f"Melhor modelo: {result['best_model_id']}")

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

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

Um cliente, 13 modulos

Acesse todos os recursos do CorePlexML por meio de metodos intuitivos com namespace — do treinamento AutoML ate testes A/B e alertas.

Projects

Crie e gerencie espacos de trabalho. Organize conjuntos de dados, experimentos e deploys sob um unico projeto.

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

Datasets

Faca upload de arquivos CSV, gerencie versoes de conjuntos de dados e obtenha metadados de colunas para seus dados de treinamento.

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

Experiments (AutoML)

Lance execucoes de treinamento AutoML com selecao automatica de algoritmos e ajuste de hiperparametros.

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

Deployments (MLOps)

Faca deploy de modelos em endpoints de producao com lancamentos canary, testes A/B e monitoramento em tempo real.

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

Privacy Suite

Detecte e transforme PII em 72+ tipos. Perfis integrados de HIPAA, GDPR, PCI-DSS e 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

Gere dados sinteticos seguros para a privacidade com os motores CTGAN, CopulaGAN e 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

Execute predicoes sobre conjuntos de dados completos de forma assincrona. Faca upload de um CSV, inicie um job por lotes e baixe os resultados quando estiverem prontos.

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 em tempo real para o progresso de inferencia por lotes e resultados de predicao ao vivo.

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

Model Registry

Versionamento semantico, transicoes de estagio (dev -> staging -> prod), fichas de modelo e rastreamento de linhagem.

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

Reports

Gere relatorios PDF sobre desempenho do modelo, importancia de features, analise de drift e resumos de deploy.

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

A/B Testing

Crie experimentos entre variantes de modelos com divisoes de trafego configuraveis e analise estatistica.

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

Alerts

Configure regras de alerta de monitoramento com notificacoes multicanal: Slack, email e webhooks.

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

Admin

Administracao da plataforma: gerencie usuarios, revise configuracoes do sistema e monitore o estado da plataforma.

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

Tudo o que voce precisa, nada que nao

O SDK espelha cada endpoint da API em uma interface limpa e pythonica — com valores padrao inteligentes para que voce possa avancar rapido.

  • CRUD completo para todos os recursos da plataforma em 13 modulos
  • Espera bloqueante com polling para operacoes assincronas (treinamento, geracao de relatorios)
  • Tratamento de erros tipado (AuthenticationError, NotFoundError, ValidationError, APIError)
  • Tempos de espera configuraveis e logica de tentativas
  • Suporte a upload de arquivos (CSV, Excel, JSON, XML)
  • Predicoes por lotes e streaming (REST + WebSocket)
  • Geracao e download de relatorios (7 tipos de relatorios)
  • Registro de modelos com versionamento semantico e gestao de estagios
  • Testes A/B com analise de significancia estatistica
  • Configuracao de alertas multicanal (Slack, email, webhooks)
  • Integracao de Privacy Suite e SynthGen
  • Operacoes de administracao para gestao de usuarios e plataforma
Tratamento de Erros

Excecoes tipadas, diagnosticos claros

Cada tipo de erro e uma excecao distinta com contexto acionavel. Sem mais adivinhacoes a partir de codigos HTTP brutos.

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("Chave API invalida ou expirada")
except NotFoundError as e:
    print(f"Recurso nao encontrado: {e.resource_id}")
except ValidationError as e:
    print(f"Parametros invalidos: {e.errors}")
except APIError as e:
    print(f"HTTP {e.status_code}: {e.message}")

Comece a construir com o SDK
hoje

Obtenha sua chave API, instale o pacote e faca deploy do seu primeiro modelo em minutos.

Obter API KeyLer a Documentacao