-
关于机器学习平台
-
业务挑战
-
上云优势
-
业务场景
-
产品架构
-
客户案例
关于机器学习平台
作为AI赋能工具，面向业务智能化转型的需求，通过自动机器学习、可视化拖拽实验、交互式编码等多种方式，提供从数据洞察处理 、探索性分析、建模分析、模型部署、推理服务的全链条数据科学能力，为行业提供业务赋能服务。
业务挑战
-
建模门槛高
机器学习建模过程复杂，算法框架繁多，创建模型不仅需要对业务有深入研究，还需理解不同算法的原理，需要有效降低技术门槛，让业务人员能够快速构建专业模型。
-
平台易用性
机器学习建模需组合多种算法框架，流程复杂，需结合用户使用习惯，提供友好易用的操作界面，支持以拖拽式交互快速构建建模pipeline。
-
计算效率低
海量数据场景下，建模人员在专注业务效率的建模过程中，往往忽略对硬件、计算框架的考虑，导致模型训练效率低下，平台需提供灵活可调的计算资源管理，使得资源能够合理利用，提高计算效率。
-
模型工程化复杂
传统模式下，建模人员完成模型训练后，需要工程化团队协助完成模型的部署及运维，导致建模整体成本较高，平台需提供数据处理、开发、训练、部署的一站式服务。
上云优势
-
简单易用，快速建模内嵌600+种算子， 支持可视化建模和高阶交互式编码。
-
灵活的插拔机制基于统一的接口规范，算子插拔灵活，支持新增算子热启动。
-
丰富的模板库常见用例预建模板，支持基于模板一键创建实验，快速搭建业务流程。
-
模型一键部署提供训练模型一键部署功能，支持本地部署和容器部署两种方式，提供服务在线测试，方便用户进行二次开发与应用集成。
业务场景
-
情感倾向分析
-
新闻舆情要素提取
-
客户流失预测
-
进行情感倾向分析，获取媒体舆情倾向。自动对包含主观描述的中文文本进行情感倾向性判断，为口碑分析、话题监控、舆情分析等应用提供基础技术支持。
-
处理非结构化舆情信息，提炼关键舆情要素。依托机器学习平台和自然语言处理技术对舆情信息进行归纳、融合、分析综合等，为政府了解社情民意、把握舆情动向提供决策依据，对突发事件做出快速响应和处理提供处置参考。
-
分析用户的属性信息，预测客户流失行为。在竞争日益激烈当下，如何挽留更多用户成为一项关键业务指标。为了更好运营用户，了解流失用户的特征，通过机器学习平台分析流失原因并预测用户流失，确定挽留目标用户并制定有效方案。
产品架构
无缝衔接数据分析和预测应用，降低机器学习模型的生命周期管理难度，为用户的数据挖掘分析业务提供易用、高效、高性能的平台服务。
