模型训练竞品收集-腾讯

腾讯TI-ML
一、产品介绍
智能钛机器学习（TI Machine Learning，TI-ML）是基于腾讯云强大计算能力的一站式机器学习生态服务平台。它能够对各种数据源、组件、算法、模型和评估模块进行组合，使得算法工程师和数据科学家在其之上能够方便地进行模型训练、评估和预测。智能钛机器学习平台为用户提供训练的机器学习模型及深度学习模型所需的全部工具服务。
TI-ONE 使用图形化操作，使用方便，兼顾专业用户、AI 初学者和希望借助 AI 解决业务问题的非专业用户；
TI-EMS 提供模型一键部署，自动调整弹性计算资源，在保障线上业务稳定运行的同时节约成本；
TI-Insight 是基于智能钛基础功能打造的一站式工业 AI 平台方案，包含 AI 训练系统和 AI 推理系统两个功能组件。

二、应用场景
智能钛机器学习完善的框架与内置算法支持，能轻松应对各种机器学习和深度学习的定制建模的场景。以下为本产品协助各企业机构完成的一些应用场景。
1.金融风控
随着不法分子的作业手段日益更新、滞后的风险识别与居高不下的坏账率损失一直是各大金融机构的痛点。智能钛机器学习可以基于金融机构大量与风险有关的高质量数据搭建风险监控模型，提高风控的时效性、准确率和覆盖率。从贷前的额度审批、贷中的交易反欺诈到贷后的催收，覆盖各个环节，大幅减小金融机构的风险损失和管理成本。
2.营销推荐
如何精准触达目标消费者，提高购买转换率一直是各大商业主体都关心的问题。智能钛机器学习可以根据历史成交数据训练匹配模型，预测各个场景下客户和商品的最优匹配，从而实现提升营销效果、降低营销成本、挖掘潜在客户、实现交叉销售等目的。
3.工业质量检测
传统的工业质检依赖大量人力，成本高且漏检率难以提升。智能钛机器学习可以基于设备参数数据与生产图像对产品进行缺陷检测与缺陷分类，大大降低人力成本、提升缺陷检出率的同时帮助企业进行质量控制数字化管理。
4.算法大赛
随着人工智能行业的兴起，各类 AI 算法大赛层出不穷，智能钛机器学习内置的丰富算法与框架组件可以满足不同用户的使用习惯，高性能集群稳定性可以支持大批量的训练任务，同时又能支撑数千人的高并发一直是各举办单位的痛点。
5.物业智能化管理
随着生活水平的提高，业主对物业的管理要求也日益升高，同时面临居高不下的人力成本挑战。智能钛机器学习基于图像识别算法，智能识别进出小区的车辆，以及所有垃圾堆放点的情况，打造智能化物业管理方式，降低人力成本、提升业主满意度。
6.人物监察管理识别
执法部门常常面临大批量人员的定期监察管理，耗费大量人力物力。智能钛机器学习基于图像识别算法，对监察对象的状态与行动路径进行实时智能管理与预警，大大提升执法部门管理效率，降低管理成本。

三、产品特色
1.一站式服务，与腾讯云的存储、计算能力无缝对接，一站式完成海量数据的存储和分析挖掘。
2.全流程管理，集数据处理、模型训练、预测、部署功能于一体，并提供公共数据集和业界模型，快速释放数据价值。
3.深度学习，支持 Tensorflow、Caffe、Torch 三大主流深度学习框架，并支持一机多卡、多机多卡模式的 GPU 分布式计算。
4.性能强大，搭载万兆网卡的大量 CPU/GPU 实体机以及针对分布式机器学习的加速算法，为 TB 级数据的模型训练提供坚实基础。
5.算法全面，在支持自定义算法的同时，还提供数据处理、分类、聚类、深度学习等上百种主流算法。
6.操作简便，命令行操作模式符合高阶客户使用习惯，灵活敏捷；可视化操作模式通过拖拉拽的方式拼接算法组件实现业务逻辑，界面友好易使用。

TI-ONE优势：
1.一款支持拖拉拽操作、效果可视化、组件具象化的一站式机器学习模型全生命周管理平台。
2.内置丰富的模型算法，支持 tensorflow、caffe、torch 等主流深度学习框架，赋予专业级用户更高的灵活性。
3.内置丰富的算法，包括图像分类、目标检测、NLP 等，满足用户各种场景所需。
4.全自动建模（AutoML）的支持，与拖拽式任务流设计让 AI 初学者也能轻松上手。

TI-EMS优势：
1.支持 CPU、GPU 算力虚拟化，可以一键部署不同类型的机器学习模型和深度学习模型。
2.支持手动或自动调整弹性实例扩展策略，根据业务负载情况，动态实时自动管理实例数量，以最合适的实例数量应对业务情况。
3.提供小至0.1核级粒度的算力，通过细粒度算力分配提供高性价比服务。
4.支持模型和框架的优化加速，可以提升模型服务运行效率，提供极致推理性能。
5.提供丰富的多模型支持、版本管理和灰度升级等使用功能。

TI-Insight优势：
1.功能界面简洁清晰，操作流程方便易用，基于内置的算法工具集和直观的操作指导，使业务专家无需具备编程或深度学习的专业知识就可以创建出业务模型。
2.内置一体化训练集和题库集管理工具，以及自动化模型迭代环境，可以将原有模型快速迭代更新。
3.提供多种通用算法镜像，可适应不同行业客户需求。
4.支持手动或自动调整弹性实例扩展策略，根据业务负载情况，动态实时自动管理实例数量，以最合适的-实例数量应对业务情况。
5.支持服务自动启停，高效利用 CPU/GPU 的计算资源，通过业务策略和请求的波动趋势，智能的启动和停止无任务运行的微服务，让企业有限计算资源实现分时段资源自动共享。
6.支持模型和框架的优化加速，提升模型服务运行效率，为用户提供极致推理性能。

四、产品使用