智能钛机器学习平台是为 AI 工程师打造的一站式机器学习服务平台,为用户提供从数据预处理、模型构建、模型训练、模型评估到模型服务的全流程开发支持。智能钛机器学习平台内置丰富的算法组件,支持多种算法框架,满足多种AI应用场景的需求。自动化建模(AutoML)的支持与拖拽式任务流设计让 AI 初学者也能轻松上手。
拖拽式任务流
TI-ONE 良好的交互体验和易用的功能设计,能够极大地降低机器学习的技术门槛,您只需通过设计工作流,拖拽节点,配置节点参数几个简单的步骤就可以进行数据探索,模型训练,指标评估、例行化执行等。
全自动建模
只需要拖动自动建模组件、输入数据 TI-ONE 即可自动完成建模的全流程,无基础的 AI 初学者也可毫无障碍的完成整个训练流程。自动调参工具也可大幅提升 AI 工程师的调参效率。
多实例调度
TI-ONE 支持四种实例调度方式:手工、定时、批量参数和重跑,能方便用户在各场景需求下灵活调度的需求,降低手工调度的次数与时间成本。
多种学习框架
TI-ONE 囊括多种学习框架:PySpark、Spark、Pycaffe、PyTorch、Tensorflow、XgBoost、MXNet 等,满足不同开发者的使用需求与习惯。
丰富算法支持
TI-ONE 内置丰富算法,从传统的机器学习算法到深度学习,图片分类、目标检测、NLP 满足各类细分场景与应用方向。同时,支持用户自定义算法到 TI-ONE 平台执行,给专业用户带来很大的灵活性。
便捷的效果可视化
TI-ONE 对源数据的强大可视化交互数据解析,让用户高效直观地了解数据的全貌。且模型训练效果直接悬浮呈现,用户无需点击即可直观方便地辨别模型的质量,判断优化方案。
模型训练的完整闭环
TI-ONE 为用户提供“一站式”的机器学习平台体验,从数据预处理、模型构建、模型训练到模型评估,覆盖全工作流程,形成机器学习训练的完整闭环。
交互式建模
面向专业用户的交互式代码开发环境,内置多种学习框架,支持Python、R,通过 TI-SDK 和平台功能打通,提供实时资源监控,并支持 git 进行代码管理。
灵活的资源调度
TI-ONE 支持多种的 CPU/GPU 资源,符合用户对差异化算力的场景需求。采用灵活的计费方式,真正帮助用户降本增效。
腾讯智能钛机器学习平台的特性
拖拽式任务流
TI-ONE 良好的交互体验和易用的功能设计,能够极大地降低机器学习的技术门槛,您只需通过设计工作流,拖拽节点,配置节点参数几个简单的步骤就可以进行数据探索,模型训练,指标评估、例行化执行等。
全自动建模
只需要拖动自动建模组件、输入数据 TI-ONE 即可自动完成建模的全流程,无基础的 AI 初学者也可毫无障碍的完成整个训练流程。自动调参工具也可大幅提升 AI 工程师的调参效率。
多实例调度
TI-ONE 支持四种实例调度方式:手工、定时、批量参数和重跑,能方便用户在各场景需求下灵活调度的需求,降低手工调度的次数与时间成本。
多种学习框架
TI-ONE 囊括多种学习框架:PySpark、Spark、Pycaffe、PyTorch、Tensorflow、XgBoost、MXNet 等,满足不同开发者的使用需求与习惯。
丰富算法支持
TI-ONE 内置丰富算法,从传统的机器学习算法到深度学习,图片分类、目标检测、NLP 满足各类细分场景与应用方向。同时,支持用户自定义算法到 TI-ONE 平台执行,给专业用户带来很大的灵活性。
便捷的效果可视化
TI-ONE 对源数据的强大可视化交互数据解析,让用户高效直观地了解数据的全貌。且模型训练效果直接悬浮呈现,用户无需点击即可直观方便地辨别模型的质量,判断优化方案。
模型训练的完整闭环
TI-ONE 为用户提供“一站式”的机器学习平台体验,从数据预处理、模型构建、模型训练到模型评估,覆盖全工作流程,形成机器学习训练的完整闭环。
交互式建模
面向专业用户的交互式代码开发环境,内置多种学习框架,支持Python、R,通过 TI-SDK 和平台功能打通,提供实时资源监控,并支持 git 进行代码管理。
灵活的资源调度
TI-ONE 支持多种的 CPU/GPU 资源,符合用户对差异化算力的场景需求。采用灵活的计费方式,真正帮助用户降本增效。
应用场景
金融
金融行业的客户具备多样性,如何根据客户历史数据,对相关客户进行针对性理财产品推荐,是提高工作效率,提升金融机构效益,和提升用户体验的关键。
TI 机器学习平台可以辅助金融机构建立用户购买行为预测模型,预测用户行为,从而对用户进行针对性理财产品推荐。
工业
传统的工业质检依赖大量人力,成本高且漏检率难以提升。TI 机器学习平台基于设备参数与生产图像对产品进行缺陷检测与缺陷分类,大大降低人力成本、提升缺陷检出率的同时帮助企业进行质量控制数字化管理。
教育
随着行业的兴起,各类 AI 算法大赛不断,如何提供满足各参赛队伍的使用习惯的工具,同时又能支撑数千人的高并发一直是各举办单位的痛点,TI 机器学习平台内置的丰富算法与框架组件满足不同用户的使用习惯,高性能集群稳定性可以支持大批量的训练任务。
