plexe ✨

<img src="resources/backed-by-yc.png" alt="backed-by-yc" width="20%>

자연어 (Natural Language)를 사용하여 머신러닝 (Machine Learning) 모델을 구축하세요.

Quickstart |
Features |
Installation |
Documentation

plexe를 사용하면 평이한 언어로 모델을 설명함으로써 머신러닝 (Machine Learning) 모델을 생성할 수 있습니다. 원하는 내용을 간단히 설명하고 데이터셋을 제공하기만 하면, AI 기반 시스템이 자동화된 에이전트 방식 (Agentic Approach)을 통해 완전히 기능하는 모델을 구축합니다. 또한 관리형 클라우드 서비스 (Managed Cloud Service)로도 이용 가능합니다.

YouTube에서 데모를 시청하세요:

1. Quickstart

Installation

pip install plexe
export OPENAI_API_KEY=<your-key>
export ANTHROPIC_API_KEY=<your-key>

Using plexe

표 형식의 데이터셋 (Parquet, CSV, ORC 또는 Avro)과 자연어 의도 (Natural Language Intent)를 제공하세요:

python -m plexe.main \
    --train-dataset-uri data.parquet \
    --intent "predict whether a passenger was transported" \
...

from plexe.main import main
from pathlib import Path

...

2. Features

2.1. 🤖 Multi-Agent Architecture (멀티 에이전트 아키텍처)

시스템은 6단계 워크플로우 전반에 걸쳐 14개의 특화된 AI 에이전트를 사용하여 다음을 수행합니다:

• 데이터 분석 및 머신러닝 (ML) 작업 식별
• 적절한 평가 지표 (Evaluation Metric) 선택
• 가설 기반 반복 (Hypothesis-driven Iteration)을 통한 최적의 모델 탐색
• 모델 성능 및 강건성 (Robustness) 평가
• 배포를 위한 모델 패키징

2.2. 🎯 Automated Model Building (자동화된 모델 구축)

단 한 번의 호출로 완전한 모델을 구축하세요. Plexe는 표 형식 데이터 (Tabular Data)를 위해 XGBoost, CatBoost, LightGBM, Keras, 그리고 PyTorch를 지원합니다:

best_solution, metrics, report = main(
    intent="predict house prices based on property features",
    data_refs=["housing.parquet"],
...

모든 CLI 옵션은 python -m plexe.main --help를 실행하여 확인하세요.

출력물은 work_dir/model/에 위치한 독립형 모델 패키지입니다 (model.tar.gz로도 압축되어 있습니다).
이 패키지는 plexe에 대한 의존성이 없습니다. plexe로 모델을 빌드하고, 어디에서나 배포하세요:

model/
├── artifacts/          # 학습된 모델 + 피처 파이프라인 (pickle)
├── src/                # 추론 예측기 (Inference predictor), 파이프라인 코드, 학습 템플릿
...

2.3. 🐳 Batteries-Included Docker Images

PySpark, Java 및 모든 의존성이 포함되어 미리 구성된 상태로 plexe를 실행하세요.
일반적인 워크플로우를 위한 Makefile이 제공됩니다:

make build          # Docker 이미지 빌드
make test-quick     # 빠른 무결성 검사 (~1회 반복)
make run-titanic    # Spaceship Titanic 데이터셋에서 실행

또는 직접 실행할 수 있습니다:

docker run --rm \
    -e OPENAI_API_KEY=$OPENAI_API_KEY \
    -e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \
...

프로젝트 루트의 config.yaml이 자동으로 마운트됩니다. Databricks Connect 이미지는 다음 명령어로 사용할 수 있습니다: docker build --target databricks .

2.4. ⚙️ YAML Configuration

설정 파일을 통해 LLM 라우팅 (routing), 검색 파라미터 (search parameters), Spark 설정 등을 사용자 정의할 수 있습니다:

# config.yaml
max_search_iterations: 5
allowed_model_types: [xgboost, catboost]
...

CONFIG_FILE=config.yaml python -m plexe.main ...

사용 가능한 모든 옵션은 config.yaml.template을 참조하세요.

2.5. 🌐 Multi-Provider LLM Support

Plexe는 LiteLLM을 통해 LLM을 사용하므로, 지원되는 모든 제공업체(provider)를 사용할 수 있습니다:

# 서로 다른 에이전트를 서로 다른 제공업체로 라우팅
hypothesiser_llm: "openai/gpt-5-mini"
feature_processor_llm: "anthropic/claude-sonnet-4-5-20250929"
...

[!NOTE]
Plexe는 대부분의 LiteLLM 제공업체에서 작동해야 하지만, 저희는 openai/* 및 anthropic/* 모델을 대상으로만 적극적으로 테스트하고 있습니다. 다른 제공업체에서 문제를 겪으신다면 저희에게 알려주세요.

2.6. 📊 실험 대시보드 (Experiment Dashboard)

내장된 Streamlit 대시보드를 사용하여 실험 결과, 탐색 트리 (search trees), 그리고 평가 보고서를 시각화하세요:

python -m plexe.viz --work-dir ./workdir

2.7. 🔌 확장성 (Extensibility)

WorkflowIntegration 인터페이스를 통해 plexe를 커스텀 스토리지 (storage), 트래킹 (tracking), 그리고 배포 인프라 (deployment infrastructure)에 연결하세요:

main(intent="...", data_refs=[...], integration=MyCustomIntegration())

전체 인터페이스는 plexe/integrations/base.py를 참조하세요.

3. 설치 (Installation)

3.1. 설치 옵션 (Installation Options)

pip install plexe                    # 코어 (Core) (XGBoost, Keras, scikit-learn)

프레임워크별 또는 작업 그룹별로 선택적 의존성 (optional dependencies)을 추가할 수 있습니다:

• 프레임워크 추가 기능 (Framework extras): catboost, lightgbm, pytorch
• 작업 추가 기능 (Task extras): tabular (CatBoost + LightGBM), vision (PyTorch)
• 플랫폼 추가 기능 (Platform extras): pyspark, aws

예시:

pip install "plexe[tabular,pyspark]"   # tabular 스택 + 로컬 PySpark
pip install "plexe[pytorch,aws]"       # 명시적 프레임워크 + S3 지원

Python >= 3.10, < 3.13 버전이 필요합니다.

3.2. API 키 (API Keys)

export OPENAI_API_KEY=<your-key>
export ANTHROPIC_API_KEY=<your-key>

지원되는 모든 제공업체는 LiteLLM providers를 참조하세요.

4. 문서 (Documentation)

전체 문서는 docs.plexe.ai를 방문하세요.

5. 기여하기 (Contributing)

가이드라인은 CONTRIBUTING.md를 참조하세요. 팀과 소통하려면 저희 Discord에 참여하세요.

6. 라이선스 (License)

Apache-2.0 License

7. 인용 (Citation)

연구에 Plexe를 사용하신다면, 다음과 같이 인용해 주세요:

@software{plexe2025,
  author = {De Bernardi, Marcello AND Dubey, Vaibhav},
  title = {Plexe: Build machine learning models using natural language.},
...