Heimdall
준비된 데이터를 모델 학습, 예측, 프로덕션 예측 API로 연결하는 클라우드 작업 공간입니다.
Heimdall 소개
Heimdall은 데이터 준비와 모델 배포를 연결하는 브라우저 기반 클라우드 데이터 및 머신러닝 플랫폼입니다. 팀은 CSV 파일, 데이터베이스 테이블, 데이터 웨어하우스 스냅샷, 비정형 아카이브를 Lake로 가져와 브론즈, 실버, 골드 단계로 정리한 다음, 같은 카탈로그를 Lab 또는 노코드 모델링 제품에서 사용할 수 있습니다. Lab은 pandas와 일반적인 차트 라이브러리를 갖춘 Python 노트북을 제공하며, ML은 분류와 회귀를 처리하고, Forecast는 시계열 모델을 구축하며, Loop는 피드백을 통해 학습하는 모델을 지원합니다. 학습된 모델은 REST API로 공개하고 같은 작업 공간에서 모니터링할 수 있습니다. 소규모 팀의 경우 이러한 연속성 덕분에 스토리지, 노트북, 학습 시스템, 모델 서버 사이에서 반복적으로 데이터를 옮기는 작업을 상당 부분 줄일 수 있습니다. 그러나 평가 전에 명확하게 공개된 용량 제한, 광범위한 연동 보장 또는 상세한 엔터프라이즈 제어 기능이 필요한 구매자에게는 적합성이 떨어집니다. 제공되는 제품 자료에 이러한 세부 정보가 명시되어 있지 않기 때문입니다.
기능
메달리온 데이터 워크플로
Lake에서 원시 입력을 카탈로그화하고 브론즈 및 실버 데이터를 정제한 뒤 모델링용 골드 데이터세트를 게시합니다.
노코드 예측
시계열 데이터로 예측 모델을 학습하고 오차 지표와 신뢰 구간을 확인한 뒤 API를 배포합니다.
브라우저 Python 노트북
pandas와 시각화 라이브러리로 Lake 테이블을 분석한 다음 결과를 새 실버 데이터세트로 저장합니다.
장점
- 하나의 카탈로그가 데이터 수집, 준비, 모델 학습, 배포, 모니터링을 연속적인 워크플로로 연결합니다.
- 노코드 ML 및 Forecast 경로를 통해 준비된 골드 데이터세트에서 작동하는 예측 엔드포인트까지의 과정을 단축할 수 있습니다.
- Lab은 pandas와 익숙한 시각화 라이브러리를 지원하며 원본 테이블을 덮어쓰지 않고 변환 결과를 저장합니다.
단점
- 정확한 유료 가격, 무료 등급 할당량, 결제 주기가 공개되지 않아 예산을 계획하기 어렵습니다.
- 팀이 자체 프로덕션 데이터로 모델을 학습하려면 먼저 골드 데이터세트 워크플로의 준비 단계를 거쳐야 합니다.
- 공개 자료에서 연동 범위와 엔터프라이즈 제어 기능에 관한 세부 정보가 제한적이므로 초기에 적합성을 판단하기 어려울 수 있습니다.
요금제
무료
- 구축을 시작하고 플랫폼 평가
- 샘플 데이터로 초기 모델 워크플로 사용
- 공개된 사용량 제한 없음
* 가격 정보는 참고용입니다. 최신 안내는 Heimdall 공식 웹사이트를 확인하세요.