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
