智能钛机器学习平台用户手册
智能钛机器学习平台通过可视化的拖拽布局，组合各种数据源、组件、算法、模型、评估模块及部署模块，为AI工程师提供从数据预处理、模型训练、模型评估到模型服务部署的全流程服务
324人已学习
目录
-
1. 快速入门
151 浏览
-
1.1. 智能钛机器学习平台新手指引
140 浏览
- 1.1.1. Step1 服务开通 241 浏览
- 1.1.2. Step2 新建工程和工作流 157 浏览
- 1.1.3. Step3 数据准备 199 浏览
- 1.1.4. Step4 数据预处理 137 浏览
- 1.1.5. Step5 模型搭建 146 浏览
- 1.1.6. Step6 模型评估 176 浏览
- 1.2. 十分钟快速上手 126 浏览
-
1.1. 智能钛机器学习平台新手指引
140 浏览
-
2. 最佳实践
124 浏览
- 2.1. 花朵图像分类 193 浏览
- 2.2. 花朵目标检测 145 浏览
- 2.3. 科比投篮预测 198 浏览
- 2.4. 乳腺癌预测 174 浏览
- 2.5. 文本情感分类 176 浏览
-
3. 操作指南
126 浏览
-
3.1. 基础操作说明
121 浏览
- 3.1.1. 熟悉菜单 98 浏览
- 3.1.2. 创建节点 124 浏览
- 3.1.3. 配置节点 345 浏览
- 3.1.4. 运行工作流 106 浏览
- 3.1.5. 查看日志 144 浏览
-
3.2. 多实例并发
126 浏览
- 3.2.1. 驱动实例 166 浏览
- 3.2.2. 并发数设置 161 浏览
- 3.2.3. 实例查询 162 浏览
- 3.2.4. 历史实例 126 浏览
- 3.3. 自动建模(AutoML)使用说明 271 浏览
- 3.4. 模型仓库及模型服务部署 201 浏览
- 3.5. Notebook使用说明 230 浏览
-
3.1. 基础操作说明
121 浏览
-
4. 智能钛机器学习平台组件及算法库
133 浏览
-
4.1. 输入
129 浏览
- 4.1.1. 数据转换 298 浏览
-
4.2. 组件说明
158 浏览
- 4.2.1. Spark组件 185 浏览
- 4.2.2. PySpark组件 242 浏览
- 4.2.3. Tensorflow组件 214 浏览
- 4.2.4. PyCaffe组件 136 浏览
- 4.2.5. PyTorch组件 139 浏览
-
4.3. 机器学习
173 浏览
- 4.3.1. 数据预处理 216 浏览
- 4.3.2. 分类算法 218 浏览
- 4.3.3. 聚类算法 141 浏览
- 4.3.4. 回归算法 163 浏览
- 4.3.5. 推荐算法 131 浏览
- 4.3.6. 关联规则 150 浏览
- 4.3.7. 异常检测 192 浏览
- 4.3.8. 时间序列 194 浏览
- 4.3.9. 特征转换 201 浏览
- 4.3.10. 特征选择 198 浏览
- 4.4. 图算法 268 浏览
-
4.5. 深度学习
139 浏览
- 4.5.1. 计算机视觉 180 浏览
- 4.5.2. 自然语言处理 153 浏览
-
4.6. 输出
116 浏览
- 4.6.1. 模型评估 222 浏览
- 4.6.2. 可视化 555 浏览
-
4.1. 输入
129 浏览
-
5. 旧版本算法库
142 浏览
- 5.1. 数据预处理 153 浏览
- 5.2. 分类算法 169 浏览
- 5.3. 聚类算法 245 浏览
- 5.4. 回归算法 479 浏览
- 5.5. 推荐算法 145 浏览
- 5.6. 特征转换 159 浏览
- 5.7. 特征选择 367 浏览
- 5.8. 特征提取 138 浏览
- 5.9. 计算机视觉 173 浏览
- 5.10. 表示学习 167 浏览
-
6. 常见问题
107 浏览
- 6.1. Q & A 166 浏览
