foundry_ml에서 palantir_models로 이전

foundry_ml 라이브러리와 데이터셋 기반 모델은 2025년 10월 31일부터 사용이 종료되었습니다. 기존 모델을 계속 사용하려면 palantir_models로 다시 학습하거나 확보한 모델 산출물을 어댑터로 감싸 게시합니다. Code Workbook에서 만든 foundry_ml 모델은 Jupyter Code Workspaces 또는 Code Repositories에서 다시 구성해야 합니다.

저장소 학습, Jupyter 학습 및 사전 학습 파일 가져오기가 현재 모델 생성 경로입니다. 추가 이전 지원이 필요하면 Palantir Support에 문의합니다.

프레임워크와 기록 방식

palantir_models는 0.1599.0부터 Spark ML 모델을 지원합니다. 온라인 추론을 고려하면 가능할 때 scikit-learn 같은 단일 노드 프레임워크를 권장합니다. Spark 온라인 경로에는 로컬 JVM 및 버전 호환 제약이 있습니다.

학습 지표는 Experiments로, 완성한 모델 버전의 시험 결과는 Evaluations로 옮길 수 있습니다. Experiments는 이미지뿐 아니라 Plotly 플롯과 표도 지원합니다. 기존 MetricSet의 LineChart 및 BarChart 객체를 그대로 전달하는 API는 아니므로 기록할 데이터를 새 형식으로 구성합니다. 기존 목표의 지표 보기가 필요하면 MetricSet 호환을 유지할 수 있습니다.

모델 이전 캠페인

Upgrade Assistant의 첫 캠페인은 사용 중인 데이터셋 기반 모델을 이전 대상으로 표시합니다. 사용 중으로 분류하지 않은 모델은 Ignored로 표시하며 기본 보기에서 제외합니다. 사용 판정 기준은 이전 질문에 있습니다.

데이터셋 기반 모델 페이지에서 대체할 새 모델 리소스를 지정할 수 있습니다. 이 연결을 바탕으로 Upgrade Assistant가 이전 상태를 판단합니다. 대체 모델을 지정한 리소스는 Completed로 표시하고 기본 캠페인 보기에서 제외합니다. 소비자가 새 모델을 찾을 수 있도록 대체 관계를 지정합니다.

AIP 코드 제안

AIP가 활성화된 환경에서는 보라색 아이콘으로 코드 이전 제안을 보고 파일 위의 복사 버튼으로 가져올 수 있습니다.

생성한 코드에 오류가 있을 수 있으므로 내용을 검토하고 필요한 부분을 수정한 뒤 검사를 실행하고 모델 출력을 확인합니다. 리소스 목록을 처음 보거나 스크롤할 때 캐시가 없는 항목의 제안을 자동 생성할 수 있으므로 호출과 사용량 조건을 확인합니다.

소비 리소스 이전 캠페인

두 번째 캠페인은 종료된 데이터셋 기반 모델을 사용하는 리소스를 찾습니다.

• 모델을 입력으로 사용하는 변환 작업
• 데이터셋 기반 모델과 다른 출력을 함께 생성하는 Code Workbook 또는 변환 작업
• 해당 모델의 온라인 또는 배치 배포를 사용하는 Modeling Objective

모델 리소스를 새로 만드는 것과 소비 코드를 새 모델로 연결하는 작업을 함께 수행합니다. 이전 절차에 저장소, 어댑터와 추론 코드의 변경이 있습니다.