联系探智立方北京科技有限公司

作者：杨超月

创新型深度学习迁移立足市场

全球领先的一站式全自动AI赋能平台

DarwinML®是以演化算法技术为基础的AI赋能平台，为企业提供快速、易用、准确的模性设计解决方案。

它能够针对客户导入数据，自动生成符合业务场景的人工智能模型，并根据业务实时反馈自我演化和迭代，做出更为精准的模型设计，真正实现了机器学习模型设计的全流程自动化和定制化。

创新型深度学习迁移立足市场

2.2.迁移学习顾名思义，迁移学习是一种技术，使得预先训练的模型可以将它学习过的知识迁移应用在新的但相似的数据集上。这使我们能够用更少的计算时间和计算资源去获得比较高的准确率。架构搜索适用于需要设计新模型架构的问题，而迁移学习适用于数据集类似于预训练模型中使用的数据集的问题。3.AutoML解决方案

一站式&；全自动

DarwinML®，大幅提升数据科学家与商业分析师的工作效率，以超越“人”所设计模型的效能为目标，能用极短的时间，全自动构建出针对业务场景的复杂模型，从而使人工智能团队更专注于业务问题的解决方案，将人工智能赋能于业务场景。

人工智能模型自动生成工作室

将模型开发这⼀传统意义上由专业人士驱动的工作流程，转化成为业务驱动的工作流程，为企业AI技术的落地提供了更加快捷的解决方案。

创新型深度学习迁移立足市场

产品特性

零基础模型自动设计

无需基本模型，即可设计出符合业务场景的合适模型及组合

创新型深度学习迁移立足市场

从行业角度来看，探智立方与大部分云厂商技术路径类似，不过，后者还没有在此大规模布局，正面对标的企业为国外DataRobot和H2O.AI。相比而言，探智立方已经在技术方面建立了自身竞争壁垒。近期，人工智能会议NeurIPS2019AutoDL（自动深度学习）比赛刚刚落幕，聚焦在使用一套方案，在任意时间、任意领域、在5个不同模态（图像、视频、语音、文本、表格）下的学习效果对比。据悉，在10个未知模态盲测数据集上，探智立方以7个数据集的优势大幅领先其他队伍，并夺得了优胜，同期参赛方包括Google、微软、阿里、腾讯、清华、南大等机构，以及来自美国、瑞典、日本、韩国等全球各地的队伍。

支持机器学习&；深度学习

覆盖机器学习，时序分析，及影像识别等模型设计

创新型深度学习迁移立足市场

整个过程在AutoML的帮助下，让没有编程背景的动物专业人士和保护者，可以自己创建非常高质量的定制化模型，将以前需要数月的数据分析时间缩短到数天，这对于濒危保护动物者来说是彻底的变化。接下来请大家一起看一个小视频。（播放视频）除了刚才那个很有意义的工作外，我们发现AutoML被德克萨斯州的海洋环境专业人士用来解决海岸保护问题。

目标导向模型设计流程

兼顾准确度及时效性要求，可满足不同设计阶段的不同要求

想要做到的，正如其名：自动化机器学习。如何促进技术公平，降低技术应用门槛，让不懂技术的用户也可以使用人工智能；如何优化机器学习的流程和结果，辅佐数据科学家们投入更有价值的工作，正是AutoML以及人工智能领域未来希望攻克的难题之一。作为一个技术从业者，也是一位从AI学术研究到AI产品落地的实践者，来试图从技术角度解释，如何让机器学习可以为人人所用。

自动数据特征提取功能

可以相对少量数据，设计出完美符合业务场景的模型

创新型深度学习迁移立足市场

目前还无法在Windows上运行Auto-Sklearn。但是，可以尝试一些黑科技，例如使用docker镜像或通过虚拟机运行。3.3.TheTree-BasedPipelineOptimizationTool(TPOT)根据网站资料：TPOT的目标是通过将管道的灵活表达树(flexibleexpressiontree)表示与诸如遗传编程(geneticprogramming)的随机搜索算法相结合来自动化机器学习管道的构建。TPOT使用基于Python的scikit-learn库作为其机器学习基础库。

自我进化学习能力

自动优化并加速设计过程

创新型深度学习迁移立足市场