Overview

Документация MLumina 
 MLumina — библиотека Python ( src/mlumina ) с набором независимых друг от друга инструментов для ML-экспериментов на самостоятельно развёрнутом Ray-кластере с трекингом в MLflow. Это не единый AutoML-пайплайн с общим API — каждый подпакет решает свою задачу и используется отдельно. 
 
 Раздел ../make_docs/ содержит черновик Sphinx-документации, начатый ранее. Его вводный текст ( make_docs/source/introduction/what_is_mlumina.rst ) описывает MLumina как универсальный мультимодальный AutoML-фреймворк с эволюционным поиском пайплайнов — это не соответствует текущему коду и не должно использоваться как источник истины. Актуальное описание — в этой папке. 
 
 Из чего состоит фреймворк 
 
 
 
 Пакет 
 Что делает 
 Документация 
 
 
 
 
 mlumina.core 
 Конфигурация (pydantic-settings, YAML+CLI) и логирование 
 core.md 
 
 
 mlumina.xgboost 
 Обучение и подбор гиперпараметров XGBoost (локально и через Ray) 
 xgboost.md 
 
 
 mlumina.image_models 
 Обёртка над ultralytics.YOLO : инференс, обучение, тюнинг 
 image-models.md 
 
 
 mlumina.torch_models 
 Обёртка над torch.nn.Module + примитивный перебор архитектур 
 torch-models.md 
 
 
 mlumina.interpolation_tables 
 2D-интерполяция табличных данных + сравнение sklearn-моделей 
 interpolation-tables.md 
 
 
 mlumina.components_wear 
 Симуляция износа и отказов графа взаимозависимых компонентов 
 components-wear.md 
 
 
 mlumina.ray_wrapper 
 Готовые пайплайны Ray Train/Tune (lin_reg, svm, fcnn, cnn, vit) 
 ray-wrapper.md 
 
 
 mlumina.scheduler 
 FastAPI-сервис приоритетной очереди задач поверх Ray Jobs API 
 scheduler.md 
 
 
 
 Также см.: 
 
 getting-started.md — установка, окружение, запуск локального стека. 
 deployment.md — Docker/Compose-развёртывание (Ray-кластер, MLflow, MinIO, MySQL, scheduler). 
 known-issues.md — известные баги и расхождения между кодом и старой документацией (README/ make_docs ). Прочитать перед тем, как полагаться на components_wear или на примеры из корневого README. 
 
 С чего начать 
 
 getting-started.md — установка пакета и зависимостей. 
 Самый зрелый и рабочий модуль — mlumina.xgboost , см. xgboost.md и examples/xgboost/example.py . 
 Для распределённых экспериментов на Ray — ray-wrapper.md и scheduler.md . 
 Перед использованием components_wear — обязательно known-issues.md (там баг, ломающий update_wear / predict_fix ).