开放能力
开发平台
行业应用
生态合作
开发与教学
资讯 社区 控制台
技术能力
语音技术
文字识别
人脸与人体
图像技术
语言与知识
视频技术
AR与VR
数据智能
场景方案
部署方案
行业应用
智能教育
智能医疗
智能零售
智能工业
企业服务
智能政务
信息服务
智能园区

概述

可视化建模通过拖拉拽和拼接组件的方式,形成建模流程。用户配置组件参数后,即可训练模型。

平台提供可视化的实验开发环境,开发人员和业务人员根据场景和业务需求能够在交互式画布上直观地连接数据处理、特征工程,算法,模型预测和模型评估等组件,基于无代码方式实现人工智能模型开发。可视化建模在降低模型开发门槛的同时提升了建模的效率。内置数百个成熟的机器学习算法,支持多种算法框架,覆盖了机器学习和深度学习场景,满足用户不同程度的需求。

基本概念

  • 画布:可视化建模模式下开发的所有的算法均在画布上组建完成,用户可以自由的在画布上“绘制”属于自己的算法之“画”;
  • 组件:可视化建模模式为用户提供了一系列的组件,其中包含了数据集、数据处理、算法等不同用途的组件,用户可以通过拖拉拽的方式,将相关的组件拖到画布上,并用箭头联系起来;
  • 箭头:箭头代表着两端组件的逻辑顺序以及数据流向关系,用户需要将各个组件通过箭头连接起来,才能完成一个完整的算法任务配置;
  • 实验管理:可视化建模任务均采用实验管理模块进行记录和管理,分为运行和模型;
  • 运行:每一次提交可视化建模任务,将在实验管理中发生一条运行记录。

使用流程

  • 第一步:通过拖拉拽将组件和箭头联系起来形成一个算法任务结构;
  • 第二步:提交并运行;
  • 第三步:发布对应的模型到模型仓库进行纳管;
  • 第四步:将相应的模型发布为API服务;
  • 第五步:调用API服务进行预测。
上一篇
自定义作业建模
下一篇
快速入门