Machine Learning

机器学习平台

KML(Kingsoft Cloud Machine Learning)一款专注传统机器学习场景的一站式数据科学平台,支持多种开发方式、支持主流的机器学习算法,结合Spark集群提供分布式内存计算的强大性能,为用户提供模型开发、模型训练、模型部署等一站式机器学习服务
核心优势
产品功能
产品架构

核心优势

多样化开发方式

支持拖拽式、notebook两种开发方式,根据用户使用习惯,可快速进行模型开发

丰富的算法支持

内置丰富的算法,覆盖从数据导入、处理、特征工程、模型训练、评估、导出等AI模型开发需求

高效便捷可视化

提供了丰富的可视化功能,通过数据可视化,让用户高效直观的了解数据的全貌。通过模型可视化,可直观方便的辨别模型的质量,判断优化方案

快速分布式训练

支持基于Spark的分布式训练和单机训练,用户可根据使用场景快速切换,极大提升训练效率

产品功能

基于可视化workflow模型开发

传统过编程进行建模的方式门槛高、不直观,业务分析人员很难快速上手。可视化workflow将模型训练全流程用简单、明了、可视化的方式进行展示,无需进行代码调试,通过简单的托拉拽即可完成建模

基于notebook的交互式模型开发

KML同样支持通过notebook交互式建模,并内置King-SDK,可覆盖从数据导入-数据处理-模型创建-模型评估-模型注册-模型部署 一站式AI服务流程

算法库

KML内置丰富的算法资源,覆盖常用的99%的算法资源,包括数据导入、处理、特征工程、模型训练、评估、导出等AI模型开发需求

模型评估体系

KML设立了全面的、多维度的模型评估体系,用直观的图像将模型的各类评估指标进行全面的展示,大幅提升模型效果评估的效率

多学习引擎集成

KML集成了多种机器学习引擎,包括、spark、R、python等用户可选择适宜的引擎进行快速开发

丰富的行业模板及示例

KML内置丰富的行业工作流模板,通过替换数据可快速的进行业务的预研

协作及共享

支持团队协作开发;支持数据、模型、workflow、notebook模块共享,避免重复性工作,进行知识沉淀

产品架构