入门概述

算法开发采用HDFS数据存储，兼容多种机器学习与深度学习框架，可快速完成算法建模到模型应用的全生命周期开发工作，构建一站式可视化机器学习平台。基于此平台，可对数据智能化应用场景提供有效支持，主要包含以下功能：

支持多种数据源接入，对数据进行建模探索，包含大批量数据库同步，小批量数据本地上传。基于数据同步工具，可实现RDBMS、Hive、Elasticsearch、HBase、Redis、MongoDB、FTP、GBase、Kylin、MaxCompute、Kudu、ClickHouse等多类数据源的数据接入，并支持本地CSV、TXT数据上传。

平台封装丰富的高性能算法组件，包含数据源/目标、数据处理与分析、特征工程、机器学习、模型选择与评估等，通过拖拉拽组件的方式，组成可视化的实验流，提高开发效率，并快速查看数据运行结果、模型评估结果，以柱状图、条形图、箱型图等图形可视化展示，简单易上手。

具备Notebook代码式开发环境，支持深度学习任务与机器学习任务的代码开发，包含TensorFlow、Keras、PyTorch、Python、PySpark等任务类型，与可视化实验建模方式互补，提供灵活的开发方式。

集成开源JupyterLab环境，执行某段语句查看相应结果与运行日志，为数据分析师提供灵活的数据探索环境。

可视化实验任务、Notebook代码开发任务都支持周期性调度，进行模型训练，查看模型评估结果，选取并应用合适的模型参数。

经过模型训练与参数选择后，可对模型进行在线部署，部署后，模型可进行在线实时传参调用，如某模型是一个心脏病预测模型，该模型部署后，便可实时传入某位病人的身体健康信息，经过模型计算后，返回该病人是否有患心脏病的风险。