Machine Learning
機(jī)器學(xué)習(xí)平臺(tái)
KML（Kingsoft Cloud Machine Learning）一款專注傳統(tǒng)機(jī)器學(xué)習(xí)場景的一站式數(shù)據(jù)科學(xué)平臺(tái)，支持多種開發(fā)方式、支持主流的機(jī)器學(xué)習(xí)算法，結(jié)合Spark集群提供分布式內(nèi)存計(jì)算的強(qiáng)大性能，為用戶提供模型開發(fā)、模型訓(xùn)練、模型部署等一站式機(jī)器學(xué)習(xí)服務(wù)
核心優(yōu)勢
多樣化開發(fā)方式
支持拖拽式、notebook兩種開發(fā)方式，根據(jù)用戶使用習(xí)慣，可快速進(jìn)行模型開發(fā)
豐富的算法支持
內(nèi)置豐富的算法，覆蓋從數(shù)據(jù)導(dǎo)入、處理、特征工程、模型訓(xùn)練、評(píng)估、導(dǎo)出等AI模型開發(fā)需求
高效便捷可視化
提供了豐富的可視化功能，通過數(shù)據(jù)可視化，讓用戶高效直觀的了解數(shù)據(jù)的全貌。通過模型可視化，可直觀方便的辨別模型的質(zhì)量，判斷優(yōu)化方案
快速分布式訓(xùn)練
支持基于Spark的分布式訓(xùn)練和單機(jī)訓(xùn)練，用戶可根據(jù)使用場景快速切換，極大提升訓(xùn)練效率
產(chǎn)品功能
基于可視化workflow模型開發(fā)
傳統(tǒng)過編程進(jìn)行建模的方式門檻高、不直觀，業(yè)務(wù)分析人員很難快速上手。可視化workflow將模型訓(xùn)練全流程用簡單、明了、可視化的方式進(jìn)行展示，無需進(jìn)行代碼調(diào)試，通過簡單的托拉拽即可完成建模
基于notebook的交互式模型開發(fā)
KML同樣支持通過notebook交互式建模，并內(nèi)置King-SDK，可覆蓋從數(shù)據(jù)導(dǎo)入-數(shù)據(jù)處理-模型創(chuàng)建-模型評(píng)估-模型注冊(cè)-模型部署 一站式AI服務(wù)流程
算法庫
KML內(nèi)置豐富的算法資源，覆蓋常用的99%的算法資源，包括數(shù)據(jù)導(dǎo)入、處理、特征工程、模型訓(xùn)練、評(píng)估、導(dǎo)出等AI模型開發(fā)需求
模型評(píng)估體系
KML設(shè)立了全面的、多維度的模型評(píng)估體系，用直觀的圖像將模型的各類評(píng)估指標(biāo)進(jìn)行全面的展示，大幅提升模型效果評(píng)估的效率
多學(xué)習(xí)引擎集成
KML集成了多種機(jī)器學(xué)習(xí)引擎，包括、spark、R、python等用戶可選擇適宜的引擎進(jìn)行快速開發(fā)
豐富的行業(yè)模板及示例
KML內(nèi)置豐富的行業(yè)工作流模板，通過替換數(shù)據(jù)可快速的進(jìn)行業(yè)務(wù)的預(yù)研
協(xié)作及共享
支持團(tuán)隊(duì)協(xié)作開發(fā)；支持?jǐn)?shù)據(jù)、模型、workflow、notebook模塊共享，避免重復(fù)性工作，進(jìn)行知識(shí)沉淀
產(chǎn)品架構(gòu)
.png)