Designer adalah alat pemodelan visual di Platform for AI (PAI). Anda dapat menggunakannya untuk membangun Alur Kerja dengan menyeret dan melepaskan Komponen Algoritma, memungkinkan pendekatan visual berkode rendah untuk pengembangan model. Designer juga mendukung penerapan online dan penjadwalan waktu offline.
Arsitektur layanan
Fitur
Membuat dan Mengelola Alur Kerja: Anda dapat membuat alur kerja dari templat atau membangunnya dari awal. Setelah selesai dijalankan, Anda dapat menerapkan model tersebut. Untuk informasi lebih lanjut, lihat Buat Alur Kerja.
Perpustakaan Komponen dan Sumber Data yang Kaya: Designer menyediakan ratusan komponen pengembangan AI dan mendukung sumber data seperti MaxCompute dan Object Storage Service (OSS), memungkinkan Anda membangun model dengan algoritma yang menggabungkan praktik terbaik Alibaba.
Visualisasikan dan Analisis Proses Pelatihan: Selama pelatihan model, gunakan dasbor visualisasi untuk menganalisis data, model, dan metrik evaluasi untuk membantu Anda menemukan model optimal.
Terapkan dan Kelola Model: Anda dapat mendaftarkan model yang dikembangkan dalam alur kerja Designer ke layanan manajemen model, dan menerapkannya dengan satu klik sebagai layanan online atau mengemasnya sebagai model komposit. Untuk informasi lebih lanjut, lihat Prediksi dan Penerapan Model.
Berkolaborasi dan Berbagi: Designer mendukung kolaborasi dan berbagi alur kerja dalam ruang kerja. Anda juga dapat menerapkan alur kerja yang telah berhasil dijalankan ke DataWorks untuk penjadwalan berkala atau menerbitkannya sebagai templat kustom.
Akun dan Izin: Masuk ke Designer menggunakan Akun Alibaba Cloud atau Pengguna RAM. Pengguna RAM memerlukan izin yang diperlukan dari Akun Alibaba Cloud induknya. Untuk informasi lebih lanjut, lihat Ketergantungan Produk Cloud dan Izin: Designer.
Komponen alur kerja
Designer menyediakan ratusan komponen untuk berbagai kasus penggunaan. Untuk informasi lebih lanjut tentang komponen, lihat Ikhtisar Komponen Designer.
Komponen dikategorikan menjadi tiga jenis berdasarkan kasus penggunaan:
Komponen Pembelajaran Mesin Tradisional: Komponen Algoritma untuk pra-pemrosesan data, rekayasa fitur, analisis statistik, deteksi anomali, algoritma rekomendasi, deret waktu, dan analisis jaringan.
Komponen Kerangka Kerja Pembelajaran Mendalam: Algoritma visi dan Algoritma Pemrosesan Bahasa Alami berbasis seri PAI-Easy, serta kerangka kerja Pembelajaran Mendalam seperti TensorFlow dan PyTorch.
Komponen Algoritma Kustom: Komponen Algoritma Kustom seperti Skrip SQL, Skrip Python, Skrip Notebook, dan Skrip PyAlink untuk kebutuhan kustom Anda.
Alur penggunaan
Alur kerja adalah kanvas visual yang berisi semua node komponen dan aliran data. Ini adalah titik awal untuk pengembangan model.
Gunakan komponen algoritma pra-bangun untuk membangun model dalam antarmuka seret dan lepas. Pilih sumber daya komputasi, seperti MaxCompute, PAI-DLC, atau Flink, untuk menjalankan Alur Kerja dan menyelesaikan debugging dan pelatihan model.
Setelah Anda melatih model, gunakan dasbor visualisasi untuk melihat laporan analisis dan mengevaluasi apakah model memenuhi harapan.
Terapkan dan Prediksi Model
Prediksi Online: Setelah Anda melatih model, Anda dapat menerapkannya sebagai layanan online dengan PAI-EAS untuk membuat prediksi pada data baru.
Implementasikan Prediksi Batch: Untuk melakukan prediksi batch offline yang dijadwalkan, Anda dapat mengirimkan Alur Kerja Designer ke DataWorks untuk penjadwalan berkala.
Penagihan
Penagihan Designer didasarkan pada sumber daya yang dikonsumsi oleh komponen saat runtime. Detailnya adalah sebagai berikut:
Item yang ditagih | Entitas penagihan | Metode penagihan | Hentikan penagihan | Aturan penagihan |
Penggunaan Jam-CU (Compute Unit-hour) | Waktu proses komponen | Bayar sesuai penggunaan | Hentikan komponen | Sumber daya yang dikonsumsi oleh komponen dikonversi menjadi Jam Unit Komputasi (CU). Rumus penagihan: Di mana, |
Untuk harga satuan berbagai Komponen dan detail penagihan lebih lanjut, lihat Penagihan untuk Designer.
Panduan cepat
Untuk memulai, lihat Panduan Cepat untuk Designer.
Skenario
Rekomendasi Kecerdasan Buatan: Implementasikan Rekomendasi Recall dengan FM-Embedding | Rekomendasi FM Berbasis Kerangka Kerja Alink.
Pengendalian Risiko Cerdas: Pengendalian Risiko Keuangan Menggunakan Algoritma Graf | Peringatan Risiko Churn Pengguna.
Kasus Penggunaan Umum: Klasifikasi Berita dengan Analisis Teks | Prediksi Kabut Asap | Prediksi Output Pembangkit Listrik.
Dapatkan bantuan
Jika Anda mengalami masalah, seperti kesalahan alur kerja, masalah dengan komponen algoritma, atau kegagalan membaca data, lihat FAQ Designer.
Lampiran: PAIFlow
PAIFlow adalah mesin penjadwalan alur kerja untuk Designer. Anda dapat mengirimkan tugas alur kerja dari Designer ke PAIFlow untuk dieksekusi.
Halaman manajemen tugas PAIFlow berisi semua tugas Pipeline yang dikirimkan melalui eksekusi manual melalui Designer dan penjadwalan berkala alur kerja Designer di DataWorks. Untuk informasi lebih lanjut, lihat Kelola Tugas Alur Kerja.