Informatii generale
- Categorie: Web
- Judetul: Brașov
- Surse: GitHub - M-Y-L-O/docs · GitHub
- Homepage: https://mylo-euyefl1w3-player11132s-projects.vercel.app/
Descriere
MYLO este o platformă de Machine Learning construită ca un motor inteligent de creare, analiză și optimizare a modelelor, unde arhitectura rețelelor neuronale devine complet programabilă. În loc să trateze modelele ca niște “cutii negre”, MYLO le transformă în grafuri dinamice editabile, permițând modificări structurale în timp real, validare automată și execuție sigură.
Sistemul combină un editor arhitectural avansat, analiză de date și algoritmi de optimizare de ultimă generație (neuroevoluție și Optuna Hyperparameter Optimization), oferind atât control fin pentru experți, cât și automatizare agresivă pentru rezultate rapide. Practic, MYLO nu doar antrenează modele — le înțelege, le reconstruiește și le evoluează.
Funcționalități
Arhitecturi neuronale ca grafuri inteligente
Modelele sunt reprezentate ca DAG-uri complet editabile (Architecture Descriptor), unde fiecare strat, conexiune și operație poate fi modificată programatic, cu validare automată a formelor și compatibilității.
Editor structural de modele în timp real
Adăugare, eliminare și modificare de straturi, skip connections, schimbarea dimensiunilor și a topologiei fără rescriere de cod. Orice modificare este validată instant pentru a preveni configurațiile invalide.
Builder dinamic pentru PyTorch
Orice arhitectură definită este reconstruită automat într-un model PyTorch executabil, garantând consistența dintre reprezentarea abstractă și implementarea efectivă.
Transfer inteligent al greutăților
La modificarea arhitecturii, MYLO reutilizează automat greutățile compatibile dintre versiuni diferite ale modelului, reducând timpul necesar reantrenării.
Inferența modelelor din interfața web
Rulare și evaluare a modelelor direct din UI, fără a părăsi fluxul de dezvoltare.
Optimizare automată avansată
- Neuroevoluție pentru evoluția structurală a modelelor
- Optuna pentru optimizarea hiperparametrilor
- Istoric complet al experimentelor, lineage și comparații între arhitecturi
Analiză completă a datelor
Statistici descriptive, distribuții, corelații, verificări de calitate și detectarea problemelor din dataset-uri CSV, integrate direct în fluxul de dezvoltare.
Vizualizare și introspecție a modelelor
Reprezentări grafice interactive ale arhitecturilor, inclusiv expandarea subgrafurilor ONNX pentru debugging și analiză aprofundată.
Asistent AI contextual
Asistent integrat care înțelege proiectul curent, arhitectura modelului și datele disponibile pentru a oferi sugestii relevante privind dezvoltarea și optimizarea modelelor.
Platformă de distribuire a modelelor
Publicarea, partajarea și reutilizarea arhitecturilor create în MYLO, facilitând colaborarea și reproducerea experimentelor.
Format de proiect proprietar (.mylo)
Export și import complet al proiectelor, incluzând modele, date, configurații și rezultate, cu sincronizare și stocare directă în cloud.
Procesare distribuită și execuție la distanță
MYLO separă complet interfața de utilizator de puterea de procesare. Antrenarea și optimizarea modelelor pot fi executate pe:
- noduri locale din propria rețea
- calculatoare dedicate configurate ca workeri
- instanțe cloud create automat la cerere
Astfel, aplicația rulează local doar interfața și managementul proiectelor, în timp ce întreaga procesare este delegată către resurse hardware mult mai puternice, fără modificarea fluxului de lucru.
Orchestrare inteligentă a resurselor de calcul
Workerii de procesare pot fi adăugați sau eliminați dinamic, iar MYLO distribuie automat sarcinile de antrenare, inferență și optimizare către resursele disponibile. Același proiect poate fi executat pe infrastructură locală, în cloud sau într-o combinație a acestora, fără modificări ale modelului.
Streaming în timp real al execuției
Monitorizarea live a proceselor de antrenare și optimizare, cu actualizări privind progresul, fazele de execuție, utilizarea resurselor și eventualele erori, fără mecanisme de polling.
Tehnologii
Web interface
Next.js 16
React 19
TypeScript
Tailwind CSS 4
NextAuth.js (Google, GitHub)
PostgreSQL
Drizzle ORM
Zustand
Dockview
React Flow (@xyflow/react)
ELK
Motion / Framer Motion
Sonner
tsParticles
Desktop agent (local client)
Python
FastAPI
Uvicorn
PyTorch
ONNX
Optuna
Custom neuroevolution
pandas / NumPy / scikit-learn / SciPy
python-dotenv
Cloud orchestrator
Python
FastAPI
Docker (spin up / manage client instances)
Cerinte sistem
Pentru interfața web:
Orice device computațional capabil să deschidă un browser cu interfața grafica.
Pentru clientul de procesare (Recomandat, dar ruleaza si pe mai puțin):
- Placă video dedicată (opțională)
- Procesor Intel Core I3 10th gen
- 6gb de ram
- 40gb spațiu de stocare
Realizatori
Mihai Laurențiu Telea
- Scoala: Colegiul National de Informatica “Grigore Moisil” Brasov
- Clasa: 11
- Judet: Brașov
- Oras: Prejmer
Robert Benedek
- Scoala: Colegiul Național de Informatică “Grigore Moisil” Brașov
- Clasa: 10
- Judet: Brașov
- Oras: Săcele
Screenshots
