建模训练
核心技术
“搭积木”式可视化建模
自动化机器学习(AutoML)
人工智能全生命周期/全栈支持
600+算子(特征工程、机器学习、模型优化等)
丰富的AI应用市场(覆盖CV、NLP等领域)
资源(GPU等)调度引擎
机器学习、深度学习框架
自动化服务发布技术及反馈跟踪体系
产品优势
面向多角色的MLOps全生命周期支持
支持数据标注人员、数据分析师、AI科学家、算法工程师、AI工程师、大数据处理运维人员、业务分析师等多种角色协同工作,提供从AI需求建模到研发上线全栈技术支撑,为客户提供AI能力的持续升级
面向多角色的MLOps全生命周期支持
支持数据标注人员、数据分析师、AI科学家、算法工程师、AI工程师、大数据处理运维人员、业务分析师等多种角色协同工作,提供从AI需求建模到研发上线全栈技术支撑,为客户提供AI能力的持续升级
灵活易用的多种建模方式
提供多种建模方式,包括可视化建模、代码建模、Insight-Notebook等,提供行业模版范例;通过配置化参数、流程化操作和模板化任务等手段实现可视化建模,彻底打通机器学习、深度学习全流程,降低客户数据洞察成本,促进实现机器学习平民化
灵活易用的多种建模方式
提供多种建模方式,包括可视化建模、代码建模、Insight-Notebook等,提供行业模版范例;通过配置化参数、流程化操作和模板化任务等手段实现可视化建模,彻底打通机器学习、深度学习全流程,降低客户数据洞察成本,促进实现机器学习平民化
自动化机器学习
提供自动化机器学习功能,可一键完成模型构建和部署训练的全部环节,支持CDH、GPU、Kubernetes等环境
自动化机器学习
提供自动化机器学习功能,可一键完成模型构建和部署训练的全部环节,支持CDH、GPU、Kubernetes等环境
海量可视化组件
提供丰富的可视化建模模块,包括数据治理(200+)、机器学习(150+)、深度学习(50+)等机器学习全过程组件,可直接进行拖拽式建模
海量可视化组件
提供丰富的可视化建模模块,包括数据治理(200+)、机器学习(150+)、深度学习(50+)等机器学习全过程组件,可直接进行拖拽式建模
分布式机器学习性能优化
提供多种分布式机器学习性能优化,同等分布式GPU资源下,比原生Tensorflow集群快1.5-2倍
分布式机器学习性能优化
提供多种分布式机器学习性能优化,同等分布式GPU资源下,比原生Tensorflow集群快1.5-2倍
跨AI平台交换协议
突破现有跨平台交换协议的限制,能够兼容Spark MLlib、Mahout、Tensorflow、Pytorch、MXNet等主流机器学习(深度学习)平台,实现“一次建模、到处运行”的目标
跨AI平台交换协议
突破现有跨平台交换协议的限制,能够兼容Spark MLlib、Mahout、Tensorflow、Pytorch、MXNet等主流机器学习(深度学习)平台,实现“一次建模、到处运行”的目标
强大的扩展与集成能力
支持算法自定义和可微分编程,可以无限扩展平台AI能力,助力行业快速落地。其中可微分编程模块,支持用户快速将函数转成神经网络架构,提高模型的可解释性
强大的扩展与集成能力
支持算法自定义和可微分编程,可以无限扩展平台AI能力,助力行业快速落地。其中可微分编程模块,支持用户快速将函数转成神经网络架构,提高模型的可解释性