模型训练竞品收集-阿里
阿里PAI
一、产品介绍
阿里云机器学习平台PAI（Platform of Artificial Intelligence），为传统机器学习和深度学习提供了从数据处理、模型训练、服务部署到预测的一站式服务。
PAI DSW（Data Science Workshop）是为算法开发者量身打造的云端深度学习开发环境，包含Notebook和深度学习网络可视化建模，支持开源框架的安装，并提供阿里巴巴深度优化的Tensorflow框架，通过编译优化提升训练性能。
PAI-Studio为开发者提供可视化的机器学习试验开发环境，帮助用户实现0代码开发人工智能相关服务。内置数百个成熟的机器学习算法，覆盖商品推荐、金融风控、广告预测等场景。
EAS ( Elastic Algorithm Service ) 是PAI平台的模型在线预测服务，支持异构硬件(CPU/GPU)的模型加载，高吞吐，低延迟；支持大规模复杂模型的一键部署，实时弹性扩缩容；提供完整的运维监控体系。
PAI AutoLearning（简称PAI AL）自动学习支持在线标注、自动模型训练、超参优化以及模型评估。在平台上只需准备少量标注数据，设置训练时长即可得到深度优化的模型，并支持一键完成模型部署。
二、应用场景
1.AI企业深度学习解决方案
通过PAI DSW，提供深度学习解决方案，支持实际业务场景，深度学习训练模型可直接部署成服务供业务调用。
2.深度学习算法爱好者
通过PAI DSW，深度学习算法开发爱好者，随时随地编写算法代码。
3.教育与科研领域
通过PAI DSW，无需繁琐的环境配置，辅助教育从业者快速实现在线教学演示与科研项目的开发。
4.新闻文本分类案例
通过PAI Studio，文本组件搭建的文本自动分类案例，可以快速挖掘文章的主题；
通过主题权重的聚类，实现新闻自动分类。包括了分词、词型转换、停用词过滤、主题挖掘、聚类等流程。
5.心脏预测案例
通过PAI Studio，搭建的心脏病自动诊断案例，可以预防心脏病的发生；
通过提取人体相关的体测指标，以数据挖掘方式来分析不同特征对于心脏病的影响，将对预防心脏病起到至关重要的作用。
6.金融风控案例
通过PAI Studio，图算法组件搭建的金融风控案例，可以快速定位人群中相互的信用关系；
通过图算法，计算出其它人的信用指数，即得到图中每个人是欺诈用户的概率，这个数据可以方便相关机构做风控。
7.商品推荐案例
通过PAI Studio，协同过滤算法搭建的商品推荐业务案例，可以大大提高商品销量；
通过人的购物行为，借助数据挖掘中的常见算法-协同过滤，挖掘人与人以及商品与商品的关联关系，推动产品销售额的提高。
8.阿里小蜜
基于PAI EAS，支持弹性扩缩容，全面提升资源利用率，双十一当天单模型峰值达40W QPS，丝滑顺畅，稳定支撑。
9.阿里妈妈广告
基于PAI EAS，进行精准广告投放，毫秒级数据响应，高性能保障核心业务收入。
10.阿里安全
基于PAI EAS，进行大规模图片安全扫描，针对深度学习优化网络协议，同时基于GPU加速在线推理处理效率。
11.阿里云印刷文字识别
基于PAI EAS的高可用引擎，对数以万计OCR用户提供高SLA服务。
三、产品特色
1.简单易用，通过可视化拖拽实现模型训练，Notebook可视化交互式，一键式部署在线预测服务，打通机器学习全链路。
2.内置丰富的机器学习算法，封装上百种机器学习算法，不仅提供了基础的聚类、回归类等机器学习算法，也提供了文本分析、特征处理等比较复杂的算法。
3.高性能，支持高维稀疏数据场景，超大规模深度模型训练；高效的结构化压缩训练，加速训练；inference模型压缩与量化，提升在线预测单机QPS。
4.低成本，支持CPU/GPU混合调度，高效的资源复用；多种适用客户场景的计费方式，真正实现AI客户的云上降本。
5.解决方案丰富，积累了多种行业算法解决方案，包括泛推荐、金融风控、广告预测、图片分类等多种解决方案，帮助企业快速应用。
四、产品使用
1.PAI主流程
(1).数据准备，进行表的创建，支持txt或csv格式数据上传；或通过OSS上传数据；
(2).数据预处理，通过SQL脚本、类型转换、归一化组件，进行数据预处理
(3).数据可视化，通过全表统计组件，进行查看数据；
(4).算法建模，设置目标字段，进行算法模型训练；
(5).模型评估，通过预测组件，进行评估查看；
2.PAI-DWS
(1).创建实例，选择GPU资源；选择NoteBook建模服务，选择配置带宽、网络、存储、第三方库、内置案例等；
(2).上传数据，在线开发、调试；进行ECS、NAS存储文件的上传、下载，以及挂载等；
(3).运行代码，生成训练模型；进行深度学习网络可视化功能开发；
(4).模型部署，服务在线部署调用；
3.PAI-Studio
选择可视化建模服务，通过对机器学习组件配置，进行可视化的拖拽式连接节点，搭建训练流水线，一键模型训练；支持Auto ML自动调参；
PAI支持自定义算法上传功能，支持用户使用SQL、SPARK2.0、PYSPARK2.0框架自己开发算法，并且把算法封装为一个组件上传到PAI-STUDIO中使用；
4.PAI-EAS
对模型服务进行管理，支持模型调用信息查看；在线调试；查看日志、监控、部署信息；服务扩容、停止、删除等；
支持控制台上传模型、PAI Studio一键部署、PAI DSW部署、本地客户端部署四种部署方式，快速将模型部署成为Restful API；
5.PAI-AL
(1).数据标注，支持OSS数据源的在线标注或导入带标签的图片；
(2).模型训练评估，标注完成，设置训练参数，进行模型训练；以及训练的效果、日志等数据；内置图片分类模型；
(3).模型发布部署，对训练好的模型评估可以，进行发布部署；
