机器学习服务开发方案

 

机器学习服务(MLS)帮助用户通过机器学习技术快速发现数据规律和构建预测模型,并将其部署为预测分析解决方案

 

易用


通过可视化的拖拽式工作流,实现数据建模、分析、预测、可视化

 

开放


交互式Notebook,支持多种开源建模语言(Python/R等)

 

丰富


预置丰富的机器学习算法,满足从数据导入和处理,到模型训练和评估、导出,覆盖预测分析端到端业务

 

一站式


提供特征工程、机器学习算法、建模、预测、模型全生命周期管理的机器学习一站式机器学习应用

 

应用场景

 

点击放大

 

点击放大

 

点击放大

 

点击放大

 

点击放大

 

拖拽式工作流

 

拖拽式建模方式,提供丰富的算法节点

 

可视化拖拽业务流构建

 

简单直观的建模流程设计,零编码即可将业务分析、建模流程设计出来

 

快速得到最终结果

 

配合可视化功能快速迭代收敛得到最终结果,并可将模型部署到离线生产环境中

 


丰富的可视化

 

数据可视化和模型可视化功能,数据、机器学习模型即时可视

 

数据可视化

 

内置丰富的图表类型,数据探索分析所见即所得,提升数据探索效率

 

模型可视化

 

训练的模型、评估结果可视化,提升模型的可解释性


交互式Notebook

 

交互式建模方式,兼容第三方开发包,提供数据可视化能力

 

交互式Notebook框架

 

数据分析的“浏览器”,统一入口,与底层大数据平台计算框架可解耦,兼容开源Python分析库

 

丰富的数据分析能力

 

涵盖数据探索、特征工程、数据建模、可视化等数据分析过程

 


模型全周期管理

 

支持模型构建、预测、部署、调度等全周期管理

 

可视化模型生命周期管理

 

同一个业务的模型按版本进行状态管理,可以在管理界面对模型服务的生命周期进行可视化管理

 

支持业界模型标准

 

支持业界标准的模型PMML的导入导出,与其他机器学习软件进行无缝集成

 

分布式机器学习算法库

 

大规模分布式计算提高计算效率,让模型在大数据集上进行训练从而得到更精确的结果

 

自动化数据探查及参数调优

 

对原数据进行数据探查得到数据类型及各种统计值,对逻辑回归和线性回归可自动化参数调优