Designer adalah alat pemodelan visual berbasis low-code dari PAI yang memungkinkan Anda membangun alur kerja dengan menyeret dan melepas komponen algoritma, serta mendukung penerapan model secara online dan tugas offline terjadwal.
Arsitektur produk
Fitur
-
Buat dan kelola alur kerja: Anda dapat membuat alur kerja dari templat atau dari awal. Alur kerja yang dibuat dari templat dapat dijalankan dengan cepat, dan model yang dihasilkan dapat diterapkan. Untuk informasi selengkapnya, lihat Buat alur kerja.
-
Komponen dan sumber data yang lengkap: Designer menyediakan ratusan komponen pengembangan AI dan mendukung berbagai sumber data, seperti MaxCompute dan Object Storage Service (OSS). Anda dapat membangun model menggunakan algoritma yang mengadopsi praktik terbaik Alibaba.
-
Visualisasikan dan analisis proses pelatihan: Selama pelatihan model, Designer menyediakan dasbor visualisasi untuk membantu Anda menganalisis data, model, dan metrik evaluasi guna menemukan model optimal.
-
Terapkan dan kelola model: Setelah mengembangkan dan menguji model dalam alur kerja Designer, Anda dapat mendaftarkannya ke layanan manajemen model. Kemudian, Anda dapat menerapkannya sebagai layanan online dengan satu klik atau mengemasnya sebagai model komposit. Untuk informasi selengkapnya, lihat Prediksi dan penerapan model.
-
Kolaborasi dan berbagi: Designer mendukung kolaborasi dan berbagi alur kerja dalam ruang kerja. Anda juga dapat menerapkan alur kerja yang berhasil dijalankan ke DataWorks untuk penjadwalan periodik atau memublikasikannya sebagai templat kustom.
-
Akun dan izin: Designer mendukung login menggunakan Akun Alibaba Cloud atau Pengguna RAM. Jika Anda menggunakan Pengguna RAM, Akun Alibaba Cloud harus memberikan izin yang diperlukan kepada Pengguna RAM tersebut. Untuk informasi selengkapnya, lihat Ketergantungan produk cloud dan izin untuk Designer.
Komponen alur kerja
Designer menyediakan ratusan komponen untuk berbagai kasus penggunaan. Untuk informasi lebih lanjut tentang komponen-komponen tersebut, lihat Ikhtisar komponen Designer.
Komponen diklasifikasikan ke dalam tiga jenis berikut berdasarkan kasus penggunaannya:
-
Komponen pembelajaran mesin tradisional: Meliputi komponen algoritma untuk prapemrosesan data, rekayasa fitur, analisis statistik, deteksi anomali, algoritma rekomendasi, deret waktu, dan analisis jaringan.
-
Komponen framework pembelajaran mendalam: Meliputi komponen berbasis seri PAI-Easy untuk algoritma visi dan algoritma pemrosesan bahasa alami, serta framework pembelajaran mendalam seperti TensorFlow dan PyTorch.
-
Komponen algoritma kustom: Meliputi komponen algoritma kustom seperti SQL Script, Python Script, Notebook Script, dan PyAlink Script untuk memenuhi kebutuhan spesifik Anda.
Cara kerja
-
Alur kerja adalah kanvas visual yang berisi semua node komponen dan alur data, serta merupakan titik awal pengembangan model.
-
Gunakan antarmuka seret-dan-lepas untuk membangun model dengan komponen algoritma yang tersedia. Pilih sumber daya komputasi yang diperlukan, seperti MaxCompute, PAI-DLC, atau Flink, untuk menjalankan alur kerja serta menyelesaikan debugging dan pelatihan model.
-
Setelah membangun model, Anda dapat menggunakan dasbor visualisasi untuk melihat laporan analisis secara cepat dan mengevaluasi apakah model tersebut memenuhi ekspektasi Anda.
-
Penerapan dan prediksi model
-
Prediksi online: Setelah membangun model, Anda dapat menggunakan PAI-EAS untuk menerapkan model sebagai layanan online guna melakukan prediksi pada data baru.
-
Tugas offline terjadwal: Anda juga dapat mengirimkan alur kerja ke DataWorks untuk penjadwalan periodik guna melakukan prediksi batch offline.
-
Penagihan
Penagihan Designer didasarkan pada sumber daya yang dikonsumsi oleh komponen selama waktu proses. Tabel berikut menjelaskan detail penagihan.
|
Item yang ditagih |
Entitas penagihan |
Metode penagihan |
Akhir penagihan |
Aturan penagihan |
|
Penggunaan Jam-CU |
Waktu proses komponen |
pay-as-you-go |
Saat komponen berhenti berjalan |
Sumber daya yang dikonsumsi oleh komponen yang sedang berjalan dikonversi menjadi Jam-CU dan ditagih berdasarkan skema pay-as-you-go. Rumus penagihan: dengan |
Untuk informasi harga satuan berbagai komponen dan detail penagihan lainnya, lihat Penagihan Designer.
Mulai cepat
Jika Anda baru mengenal Designer, kami sarankan membaca Panduan mulai cepat Designer untuk memulai.
Kasus penggunaan
Rekomendasi cerdas: Gunakan FM-Embedding untuk rekomendasi dan recall | Rekomendasi berbasis FM menggunakan framework Alink.
Pengendalian risiko cerdas: Implementasikan pengendalian risiko finansial menggunakan algoritma graf | Prediksi dan peringatan churn pengguna.
Kasus umum: Analisis teks untuk klasifikasi berita | Prediksi kabut asap | Prediksi output pembangkit listrik.
Dapatkan bantuan
Jika Anda mengalami masalah seperti error alur kerja, masalah pada komponen algoritma, atau kegagalan membaca data, lihat FAQ Designer.
PAIFlow
-
PAIFlow adalah mesin penjadwalan alur kerja dasar untuk Designer. Anda dapat mengirimkan tugas alur kerja dari Designer ke PAIFlow untuk dieksekusi.
-
Halaman manajemen tugas PAIFlow mencantumkan semua tugas alur kerja yang dikirimkan melalui eksekusi manual di Designer, atau penjadwalan periodik alur kerja Designer di DataWorks. Untuk informasi selengkapnya, lihat Kelola tugas alur kerja.