NeuSeer工业智能平台
关注寄云公众号 用于AI模型开发生命周期所有阶段的管理平台
NeuSeer DA助力数据科学家和开发人员更快、更自信地构建、部署和管理高质量的模型，利用行业领先的机器学习运营（MLOps）以及多种工具集成加快AI价值实现速度，帮助用户落地更多的工业AI应用。
- 让模型训练实验变得快速，这样企业就可以更快地迭代并取得成功；
- 让模型部署变得方便，让企业建立的AI模型能快速使用于生产环境；
- 让模型管理变得简单，以便更多的企业可以采用AI模型。
统一平台，集成工具
将好用常用的人工智能开发和部署工具集成到DA统一平台中，利用对开源框架和库的支持，快速开发模型。将好用常用的人工智能开发和部署工具集成到DA统一平台中，利用对开源框架和库的支持，快速开发模型。
对实现AI价值时间的加速
用于项目协作和MLOps的快速ML模型部署、管理和共享，打造高绩效团队。
工业模型应用能力
基于常见问题，平台提供的工业模型应用案例可提供建模引导的人工智能解决方案。
可评估和可解释的AI模型
解释和评估部署的人工智能模型，并使用内置的可视化和解释性工具更好地理解预测。
核心功能
数据集
调用数据源中的数据，用于训练模型的样本数据。DA可以为用户管理数据集的版本，在不同场景下选择并使用不同的版本。
笔记本Notebook
即Jupyter Notebook，是基于网页的用于交互式计算的应用程序。
画布
使用拖放开发可视化界面进行工作流的设计。
工作流
表示处理数据流程的可视化的计算任务流，定义了一个有向无环图。
Python DASDK
适用于Python的机器学习SDK来构建和运行机器学习工作流。
存储卷
存储卷是定义在Pod资源之上、可被其内部所有容器挂载的共享目录。
开放源代码库和框架
对Scikit-learn、PyTorch、Keras、TensorFlow、MLlib 等的内置支持。
模型样例
提供多个工业模型样例供学习参考，可直接复制到自己账号下进行编辑后重新使用。
实验
本质上是个归纳、整理多次运行实例的“集合”。
运行实例
某个工作流对接具体数据集，采用某组参数，单次或循环运行产生的记录。
实验跟踪
管理所有实验及运行记录的运行结果。
对比
选择不同运行记录进行参数、指标以及其他制品的对比。
模型文件
各种框架模型保存为不同格式文件，模型文件可存储在PVC或Minio中。
模型元数据
模型基本信息，如名称、描述、发布者、大小、来源、状态等。
模型输入输出参数说明
说明模型接受的输入参数和输出参数，以JSON的格式上传。
模型前后处理
部署模型为服务时，如果新数据需要前后处理程序则支持上传Py格式文件的逻辑代码。
模型计算引擎
选择模型计算时需要的计算框架及版本，并展示模型对环境的依赖项。
模型版本
在中央存储库中注册、跟踪和版本化管理模型。
在线部署
以随时进行预测并触发即时响应，用于分析流式处理和交互式应用程序数据。
批量服务
一个异步过程，基于一批观测值进行预测。 结果可存储在业务应用程序的数据库中。
请求响应参数说明
用于展示业务逻辑输入输出，规范请求的书写格式，显示响应的输出结果。
请求响应处理
服务前后处理计算逻辑参考服务前后处理py文件。
部署资源
部署的服务分配的CPU、内存、GPU数量。
批量调度
批量服务可单次运行或者按照cron表达式多次运行。
配置更新记录
支持查看服务配置的更新记录信息，方便服务运维管理。
调试
发布的服务可通过界面交互或使用Notebook发送数据进行接口调试。
集成
服务被应用在业务系统或者AI应用中。
模型监控
模型准确性、模型漂移和模型可解释性指标监控。
数据监控
监控新数据的分布变化及数据完整性，防止模型性能显著下降。
服务监控
关注系统性能，包括 CPU、内存、磁盘和网络I/O的使用情况。
产品优势
NeuSeer DA为用户提供了从数据准备与探索、特征工程、模型训练/调优、模型部署、服务监控的业务闭环能力。
全面支持数据团队
为由数据工程师、数据科学家/分析师、运维工程师构成的数据团队提供全面支持，提高团队效率。
多种建模方式可选
快速开发和训练模型，用户可根据习惯选择建模方式，包括自动建模、画布建模和Notebook建模，提高工作效率。
开箱即用
帮助开发者减少对基础IT资源的关注，计算框架、运行依赖提前打包成镜像置于平台的镜像仓库，用户只需要选择使用，使得建模人员集中精力在模型研发，无需担心环境和基础设施。
实验对比，优选模型
对多种算法、多次训练的实验结果进行对比和优选，不断精益模型性能。
模型注册管理，一键部署
模型注册中心提供模型的集中存储和管理，使模型顺利的从研发迁移到生产环境。注册后的模型支持一键部署，即可发布成在线服务或批量服务。
满足“端-边-云”部署场景
注册中心的模型支持部署到多种应用场景中，部署过程操作简单。
提供模型服务监控、模型迭代依据
可通过图表跟踪、记录模型性能，监控数据漂移，促进模型更新以保持准确度。监控AI模型服务的资源使用情况，弹性缩扩容。
