Funzionalità V7 Darwin
Distribuzione (10)
Flessibilità linguistica
Consenti agli utenti di inserire modelli costruiti in una varietà di lingue.
Flessibilità del Framework
Consenti agli utenti di scegliere il framework o il banco di lavoro di loro preferenza.
Versionamento
Versionamento dei record man mano che i modelli vengono iterati.
Facilità di distribuzione
Fornisce un modo per distribuire rapidamente ed efficientemente i modelli di apprendimento automatico.
Scalabilità
Offre un modo per scalare l'uso dei modelli di apprendimento automatico in tutta l'azienda.
Flessibilità linguistica
Consente agli utenti di inserire modelli costruiti in una varietà di lingue.
Flessibilità del Framework
Consenti agli utenti di scegliere il framework o il banco di lavoro di loro preferenza.
Versionamento
Versionamento dei record man mano che i modelli vengono iterati.
Facilità di distribuzione
Fornisce un modo per distribuire rapidamente ed efficientemente i modelli di apprendimento automatico.
Scalabilità
Offre un modo per scalare l'uso dei modelli di apprendimento automatico in tutta l'azienda.
Gestione (7)
Catalogazione
Registra e organizza tutti i modelli di machine learning che sono stati distribuiti in tutta l'azienda.
Monitoraggio
Traccia le prestazioni e l'accuratezza dei modelli di apprendimento automatico.
Governare
Fornisce agli utenti l'autorizzazione per distribuire e iterare sui modelli di apprendimento automatico.
Registro Modelli
Consente agli utenti di gestire gli artefatti del modello e tracciare quali modelli sono distribuiti in produzione.
Catalogazione
Registra e organizza tutti i modelli di apprendimento automatico che sono stati distribuiti in tutta l'azienda.
Monitoraggio
Traccia le prestazioni e l'accuratezza dei modelli di apprendimento automatico.
Governare
Fornisce agli utenti l'autorizzazione per distribuire e iterare sui modelli di apprendimento automatico.
Qualità (4)
Qualità dell'etichettatore
Fornisce all'utente una metrica per determinare la qualità degli etichettatori di dati, basata su punteggi di coerenza, conoscenza del dominio, verità di base dinamica e altro ancora.
Qualità del compito
Garantisce che i compiti di etichettatura siano accurati attraverso il consenso, la revisione, il rilevamento delle anomalie e altro ancora.
Qualità dei dati
Garantisce che i dati siano di alta qualità rispetto al benchmark.
Umano-nel-Ciclo
Dà all'utente la possibilità di rivedere e modificare le etichette.
Automazione (2)
Pre-etichettatura con apprendimento automatico
Utilizza modelli per prevedere l'etichetta corretta per un dato input (immagine, video, audio, testo, ecc.).
Instradamento automatico dell'etichettatura
Instrada automaticamente l'input al miglior etichettatore o servizio di etichettatura in base alla velocità e al costo previsti.
Annotazione dell'immagine (4)
Segmentazione delle Immagini
Ha la capacità di posizionare scatole o poligoni immaginari attorno a oggetti o pixel in un'immagine.
Rilevamento Oggetti
ha la capacità di rilevare oggetti all'interno delle immagini.
Tracciamento degli oggetti
Traccia gli ID univoci degli oggetti attraverso più fotogrammi video
Tipi di dati
Supporta una gamma di diversi tipi di immagini (satellitari, termiche, ecc.).
Annotazione del linguaggio naturale (3)
Riconoscimento di Entità Nominate
Dà all'utente la possibilità di estrarre entità dal testo (come luoghi e nomi).
Rilevamento del Sentimento
Dà all'utente la possibilità di etichettare il testo in base al suo sentimento.
OCR
Dà all'utente la possibilità di etichettare e verificare i dati di testo in un'immagine.
Annotazione del discorso (2)
Trascrizione
Consente all'utente di trascrivere l'audio.
Riconoscimento delle emozioni
Dà all'utente la possibilità di etichettare le emozioni nell'audio registrato.
Operazioni (3)
Metriche
Controlla l'uso e le prestazioni del modello in produzione
Gestione delle infrastrutture
Distribuisci applicazioni ML critiche per la missione dove e quando ne hai bisogno
Collaborazione
Confronta facilmente gli esperimenti—codice, iperparametri, metriche, previsioni, dipendenze, metriche di sistema e altro—per comprendere le differenze nelle prestazioni del modello.





