商用机器学习平台哪家好用？求各位大神推荐？

最新推荐文章于 2024-02-23 14:06:55 发布
最新推荐文章于 2024-02-23 14:06:55 发布
阅读量739 收藏 1
点赞数
分类专栏： 大数据 工具
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_15821487/article/details/119913983
版权
靳伟
​
百度在线 产品经理
19 人赞同了该回答

平台很多啦. 主要得看你家的数据中心在哪里和你家技术人员的能力水平如何.

  • Baidu EasyDL

如果你家技术人员基本没算法开发能力, 那可以先试试Baidu EasyDL.

这个平台的最大特点是不依赖数据中心, 也不需要算法开发能力, 只要有常规的API调用能力即可. 相当于纯小白向的. 适合中小企业, 以及快速POC.

EasyDL经典版-零算法基础定制高精度AI模型​ ai.baidu.com/easydl/lite

EasyDL里面预置了图像分类/物体检测/文本分类/语音识别/视频分类等领域的预训练模型, 用户只要上传一下自己的数据, 然后就可以训练出来属于自己的业务模型, 然后部署成一个API, 在线调用或离线部署即可.

点击这里可以看一下EasyDL介绍视频.

如果你家技术人员没算法基础能力, 但又想学一下, 那可以来百度AI Studio.

AI Studio不是商用平台, 主要是偏向学习方向的, 基本上算是国内最好的人工智能学习社区. 内容和基础设施都是国内首屈一指的.

Baidu AI Studio - 人工智能学习与实训社区​ aistudio.baidu.com/aistudio/index
  • 百度Machine Learning (BML)

如果你家技术人员有算法能力, 基础设施也在百度云上, 预算也很充分, 那么可以考虑百度BML.

BML功能就比较全了, 虽然名字叫百度Machine Learning, 事实上内置了机器学习和深度学习的诸多模型.提供模型生产与管理的全工作周期服务，包括数据存储、数据标注、数据处理、模型训练、模型预测服务、服务监控、精细化调度运维管理、用户管理等。提供模型训练平台，提供成熟垂类模型产线来支持快速开发，支持第三方模型导入管理。

BML平台的建模方式包含交互式编程 (Notebook)、可视化(拖拽组件)、任务式(作业建模)、产线式等等等，适合不同研发能力的用户快速实现模型训练、评估和预测。

如果说特殊优势的话, BML内置了AutoDL/AutoML作业, 也就是全自动调参, 直接输出最佳模型.

部署的话, 也有云调用方式, 私有化部署, 以及BML一体机, 也算选择很多样了.


  • 腾讯智能钛

腾讯智能钛过去是Ti-a, Ti-s, Ti-one三个产品, 最近没太关心, 我比较了解的是Ti-one.

腾讯Ti-one肯定是基于腾讯云的, 你如果要用的话, 需要先去腾讯云开户.

不过说实话, 这几家商用平台能力形式都有点大同小异, 例如腾讯ti-one也是可以用图形化拖拽方式来建模,

以及用Notebook来建模:

这个基本是原装的JupyterLab外加几个小插件, 体验一般吧. 你多写几行代码就能体会到了.

个人觉得Ti-one的图形化建模做的还挺不错的..


  • 阿里机器学习PAI

如果你家的基础设施在阿里云上, 数据量也很大, 那使用机器学习PAI就很方便了.

阿里PAI下面分成四个子产品, 分别是用来编程开发的PAI-DSW, 搞可视化全流程训练的PAI-Studio, 部署用的PAI-EAS, 以及号称分布式训练平台PAI-DLC. (说实话我不太明白DLC存在的价值. )

PAI-DSW基于裸装jupyter Lab, 和Ti-one基本一个水平. 不咋好用, 但能用.

搞可视化全流程训练的PAI-Studio, 和Ti-one基本一个水平.

部署用的PAI-EAS, 不是很明白这玩意儿为啥要单独列一个产品, 而且只有公有云部署和私有云部署两种能力. 可能未来还会扩展吧.

个人印象, 阿里PAI的体验较差. 因为他的底层服务都是割裂的, 比方说我想用PAI-Studio, 就需要我先开通MaxCompute服务.

这相当于我买了一个笔记本电脑, 到家之后, 让我再去官网买一块电池, 才能使用. 呵呵哒.

不过把个人体验抛开, 阿里PAI应该也是没啥大问题的.


  • 华为ModelArts

华为ModelArts和Amazon家的SageMaker比较像, 可以看得出, 在研发阶段, "参考"了很多SageMaker的优点/缺点.

ModelArts要说优点, 我印象里联邦学习算是一个. 联邦学习就是对极度重视数据安全隐私的客户很有帮助(但为啥不直接私有化呢). 其次也有初步的类似百度EasyDL的无代码建模功能, 这个"借鉴"得也很明显了. 但毕竟后发, 支持的模型比较少.

华为ModelArts还有个模型市场的功能, 挺有意思, 虽说也没看到多少成交.

华为ModelArts是纯商用向的, 个人开发者可跳过. 前阵子有哥们儿跑过来说, 本来要在ModelArts上搞点在线授课的事情, 但体验太差了, 弃了......


  • 亚马逊SageMaker

顺道说个祖师爷级别的SageMaker吧. 它的特点就是使用上极其反人类. 我第一次用SageMaker的时候, 花了两天50多美金, 没走完基本创建流程......

相当于我买了一个笔记本电脑, 到家之后, 发现电池需要去官网单独下单, 好不容易电池到了, 再看屏幕不亮, 尼玛原来屏幕也是要单独下单的.......

不过SageMaker去年出了一个SageMaker Studio, 可以看出在机器学习/深度学习商用建模这个事儿上, 亚马逊的确有深刻理解, 只是到了产品阶段, 有点拉胯. 如果你是老板, SageMaker应该挺好, 尤其是拓展海外生意; 如果你未来有可能会亲自使用这个平台, 我建议你多考虑一下.

​ 赞同 19​ ​ 1 条评论
​ 分享
​ 收藏 ​ 喜欢
​
收起 ​
继续浏览内容
知乎
发现更大的世界
打开
Chrome
继续
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
ZhangPY的专栏
02-28 7189
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最
机器学习平台部署与使用
AI天才研究院
09-27 912
作者：禅与计算机程序设计艺术 1.简介 概述 本文将以K8S作为例子，详细阐述机器学习平台部署与使用的过程、原理、步骤以及踩坑指南。 为什么需要机器学习平台？ 随着互联网、物联网等新型数字化经济的发展，
当代推荐系统：深入了解FB、谷歌的商用机器学习算法
shujushizhanpai的博客
02-08 549
题图来源：pixabay 作者：Maximilian Beckers（MercedesBenz ML 工程师） 译者：LZM 原文：Modern Recommender Systems : A Deep Dive into the AI algorithms that companies like Facebook and Google have built their business around 2019 年 5 月，Facebook 开源了部分正在使用的推荐算法，其中包括 DLRM (Deep-.
商业与机器学习
咚咚锵的博客
03-31 558
目录背景ML SurpriseML的10大陷阱业务中ML从无到有的5个阶段 背景 关于机器学习（Machine Learning，ML）技术方面的文章和书籍已经非常多了。但是关于企业、商业和ML结合的一些思路方法却非常少。最近看了Coursera上How Google Does ML的课程，刚好可以总结一下这方面的内容。 ML Surprise 所谓的surprise是这样的：如果我们把企业使用M...
手把手 | 关于商业部署机器学习，这有一篇详尽指南
架构文摘
07-27 350
大数据文摘出品编译：雪清、小七、Charlene、Alieen干货满满，必须收藏的模型部署指南。有关深度学习或机器学习方面的文章层出不穷，涵盖了数据收集，数据整理，网络/...
涵盖5大领域的机器学习工具介绍
liuer2004_82的专栏
02-23 1315
用户需要提供的只是一个包含数据的CSV文件，一个用作输入的列表，以及一个用作输出的列表——而剩下工作将由Ludwig来完成。强化学习领域的快速发展得益于让智能经纪人玩一些游戏，如经典的Atari console games、传统的围棋游戏，或者让智能经纪人玩电子游戏，如Dota 2 或 Starcraft 2，所有这些游戏都为智能经纪人提供了具有挑战性的环境。然而，在这个颠覆性的领域登陆，你必须装备精良，熟悉一些最好的机器学习工具，以创建高效和实用的ML算法。它提供了构建音乐信息检索系统所必需的构建块。
主流机器学习平台调研与对比分析
转载请标明出处，完整项目/代码详见github：https://github.com/yiru1225
03-04 9988
本报告主要调研目前主流的机器学习平台，包括但不限于Amazon的Sage maker，Alibaba的PAI，Baidu的PaddlePaddle。对产品的定位、功能、实践、定价四个方面进行详细解析，并通过标杆对比分析提出一套机器学习平台评价体系，旨在给后续机器学习平台需求分析与实际开发提供评估与优化思路。
分布式机器学习_分布式机器学习之参数服务器(PS)详解
weixin_39617215的博客
11-24 805
为了更好的了解分布式机器学习，深入理解参数服务器的理念及设计是必要的。结合最近看的李沐大神参数服务器的论文，加深对PS的理解，故整理此文。Parameter server 使用缩写PS提出参数服务器框架来解决分布式机器学习问题，数据和计算工作量都分布到Client节点，而服务器节点维护全局共享的参数，这些参数为稀疏向量和矩阵。PS 维护 Client和Server 之间的异步数据通信。支...
终于有人把自然语言处理、机器学习、深度学习和AI讲明白了
大数据
07-12 2935
导读：本文将带你了解自然语言处理的概念、应用，以及与机器学习、深度学习和人工智能之间的关系。作者：卡蒂克·雷迪·博卡（Karthiek Reddy Bokka）、舒班吉·霍拉（Shubh...
机器学习 深度学习资料汇总（含文档，数据集，代码等） 三
qq_44906416的博客
04-21 885
机器学习 深度学习资料汇总（含文档，数据集，代码等） 三
机器学习(Machine Learning)&深度学习(Deep Learning)资料
热门推荐
weixin_30756499的博客
07-07 1万+
##机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)---#####注:机器学习资料[篇目一](https://github.com/ty4z2008/Qix/blob/master/dl.md)共500条,[篇目二](https://github.com/ty4z2008/Qix/blob/master/dl2.md)开始更新...
AI开发平台-百度BML&华为ModelArts&阿里PAI&腾讯TAI&亚马逊SageMaker调研对比.pdf
08-03
AI开发平台-百度BML&华为ModelArts&阿里PAI&腾讯TAI&亚马逊SageMaker调研对比，包含如下四部分：AI开发平台建设目标、各大平台总体功能对比、各厂商特点总结、附录（超参数搜索功能对比、视频服务功能对比）
flowml:流程化 机器学习框架 基于 scala java语言 ,一站式自动机器学习平台 ,主要包括数据分析 特征工程 ，机器模型，自动部署，超参数优化，模型自动优化，自动扩容分配创建功能，类似第四范式、阿里PAI平台、google autoMl、亚马逊SageMaker
04-27
流程化 机器学习框架 基于 scala java语言 ,一站式自动机器学习平台 ,主要包括数据分析 特征工程 ，机器模型，自动部署，超参数优化，模型自动优化，自动扩容分配创建功能，类似第四范式、阿里PAI平台、google autoMl、亚马逊SageMaker 工作比较忙，空余周末时间或者 下班回家后才有时间写一些代码 todo:1.封装一个DataFrame抽象层 todo:2.封装DataFrame -> spark DataSet/DataFrame转换 todo:3.封装Graph 可视化设计 flow todo:4.FlowGroup flow的处理 connction node 最近架构这一块，要考虑很多，要仔细想一想， 以前自己实现了很多，但是最后发现无法实现复杂业务场景，复杂的图模式 以及复杂的各种交互以及各种节点依赖关系并行控制问题，所以这开源项目打算重新实现一套体系
机器学习平台
jj1130050965的博客
05-21 732
目前业界比较优秀的机器学习平台有很多，既有大公司研发的商用产品，如微软的Azure、亚马逊的SageMaker、阿里的PAI平台、百度的PaddlePaddle以及腾讯的TI平台，也有很多开源的产品，如加州大学伯克利分校的Caffe、Google的TensorFlow、Facebook的PyTorch以及Apache的Spark MLlib等。而开源平台大都是机器学习或者深度学习基础计算框架，聚焦于训练机器学习或深度学习模型；鉴于此，美团配送的一站式机器学习平台应运而生。找一下有哪些开源的机器学习平台。
机器学习平台建设（一）
2301_81887304的博客
01-17 2643
下图是较简化的机器学习平台架构，概括了机器学习平台的主要功能和流程。本章会进行简要介绍，在功能章节再展开详述。机器学习最主要的三个步骤可概括为：数据处理、建模以及部署。数据处理，即所有和数据相关的工作，包括存储、加工、采集和标记几大主要功能。前三者与大数据平台几乎一致，标记部分是机器学习平台所独有。数据存储较好理解，要根据存取的特点找到合适的存储系统。数据加工，也被称为ETL（Extract，Transform，Load），即将数据在不同的数据源间导入导出，并对数据进行聚合、变形、清洗等操作。数据采集，即从
机器学习平台建设（二）
2301_81887304的博客
01-17 950
机器学习算法中的主成分分析（Primary Component Analysis， PCA）和线性判别分析（Linear Discriminant Analysis，LDA）是经典的降维方法，用线代的矩阵特征分解的算法，找出数据中区分度最大的特征，然后省略一些作用不大的特征。虽然任务调度的方法对平台算力的利用率是最高的，但交互式开发在代码变化很大的时候，会提高人的开发效率。如，自然语言的评价分类问题中，可以建词表，将正面词语和负面词语总结出来，对每句话的正负面词计数，并作为单独的特征列。
机器学习平台建设（三）
2301_81887304的博客
01-18 1020
通用，意味着平台只做最少的工作，通过Kubernetes这样的容器编排软件来支持不同框架的配置镜像，并支持基础的硬件资源分配，任务管理等工作。在发布业务敏感模型时，通常需要平台能控制到达新模型的用户请求数量，从而观察新模型对业务的影响是正面的还是负面的，再决定是进一步部署新模型，还是撤回模型。除了模型的持续集成外，还包括数据的持续集成，即将模型持续的在最新数据集上训练，这样可以响应最新的热点数据。比如，在一些依赖第三方数据的机票查询功能中，会设计搜索进行中的界面，管理好用户的期望。
机器学习分析平台开发
Junhao's Blog
08-27 2198
文章目录1.机器学习分析平台功能概述2.运用的框架和Python包的接口3.程序文件目录4.思路和设计(1).程序的思路(2).程序的设计5.机器学习分析平台的部分代码详解(1).解决伪造的交易记录(2).防止篡改交易记录(3).防止双重支付的交易6.参考资料 1.机器学习分析平台功能概述 为了实现RAInS项目（AI问责系统项目:RAInS Project Website）中数据分析和训练数据基本信息，将要使用Python来构建一个机器学习分析平台来帮助数据分析和数据建模。
机器学习平台建设（四）
2301_81887304的博客
01-18 2131
提升自动化水平是重点的方法，自动化水平的提高带来的益处很多，一方面是每个运维人员能够管理的服务器规模会随之提升，降低了管理成本，另一方面自动化会减少人工操作，减少手工错误的机会。对于核心的业务数据，要最小化授权，只给予必须的人以权限，从而减少数据的泄露风险。运维支持从层次来看，从机房建设的基础设施运维，操作系统、DNS服务等的系统级运维，到软件发布、监控的运营运维，覆盖了从物理层到服务质量的所有层次。有的团队中，虽然有认证授权的机制，但实际上密码统一、账户互相借用，认证授权体系形同摆设，这都会造成漏洞。
商用车主动式后尾翼控制系统设计需要学习什么？
最新发布
01-12
### 商用车主动式后尾翼控制系统设计所需的知识和技能 #### 硬件方面 对于商用车主动式后尾翼控制系统的硬件开发，需要掌握多种技术。这包括但不限于空气动力学传感器的选择与集成、执行机构的设计以及整个系统的机械结构优化。具体来说： - **传感器选型**：为了实时监测车辆行驶状态下的气流变化情况，需选用精度高、响应速度快的压力差压计、风速仪等设备[^1]。 - **执行元件**：负责调整尾翼角度的电机或液压缸应具备足够的功率密度，在满足快速响应的同时保持良好的稳定性和耐用性。 - **嵌入式控制器**：用于处理来自各路传感信号并发出驱动命令给执行部件的核心单元，一般采用高性能微处理器或者DSP芯片构建而成。 ```cpp // 嵌入式C++代码片段展示如何初始化一个典型的MCU外设接口 #include "stm32f4xx_hal.h" void MX_GPIO_Init(void){ __HAL_RCC_GPIOA_CLK_ENABLE(); GPIO_InitTypeDef GPIO_InitStruct = {0}; /*Configure GPIO pin Output Level */ HAL_GPIO_WritePin(GPIOA, LED_Pin|RELAY_Pin, GPIO_PIN_RESET); /*Configure GPIO pins : PA0 PA1 */ GPIO_InitStruct.Pin = BUTTON_Pin|LED_Pin; GPIO_InitStruct.Mode = GPIO_MODE_INPUT; GPIO_InitStruct.Pull = GPIO_NOPULL; HAL_GPIO_Init(GPIOA, &GPIO_InitStruct); } ``` #### 软件层面 软件部分涉及复杂的逻辑运算与数据分析能力，主要包括以下几个方面： - **操作系统/中间件**：考虑到实时性的需求，往往会选择RTOS（Real-Time Operating System），如FreeRTOS、VxWorks等作为底层支撑环境，确保各项任务能够按照优先级有序调度运行。 - **编程语言和技术栈**：熟练运用C/C++编写高效稳定的程序代码；熟悉CAN总线协议及其通信机制以便与其他车载ECUs交换信息；理解AUTOSAR架构有助于提高项目的可移植性和维护便利程度。 - **仿真工具链**：利用MATLAB/Simulink建立物理模型进行前期验证测试工作，减少实际样车调试过程中遇到的风险隐患。 #### 关键算法 针对特定应用场景定制化开发高效的控制策略至关重要，以下是几个重要的方向： - **PID调节器**：基于比例积分微分原理实现对目标参数精确跟踪的目的，广泛应用于位置伺服系统之中。 - **自适应滤波器**：当外界干扰因素较多时可以动态修正预测误差，使最终输出更加贴近理想轨迹。 - **模糊推理引擎**：模仿人类专家决策过程制定规则库来进行复杂工况下最优解搜索，尤其适合于非线性强且难以建模的任务场景。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值