聚星*引航|“机器学习和深度学习框架Sophon”演讲速记（附PPT）

内容提要

北京时间5月4日，在上海举行的“2017前沿科技论坛暨星环用户和合作伙伴大会”上，杨俊作了主题为“机器学习和深度学习框架Sophon”的演讲。因会后收到不少嘉宾反馈：对演讲内容非常非常感兴趣，演讲信息量很大，又无法同时参加多个会场，特在后期整理演讲速记稿以最大程度上弥补这个遗憾。

以下是演讲速记对应PPT：

随着大数据时代的来临以及人工智能的迅猛发展，目前要进行良好的数据分析要求人员了解和学习一些编程语言，比如R语言，python等等。为了能够让从业人员更加专注于数据分析本身，我们提供了一个数据挖掘的应用平台，在这里完整的数据挖掘流程都可以拖拽式一键完成。

下面我们来具体介绍一下Sophon的主要特点。

第一点，区别与一些其他的数据分析工具只专注于算法建模，我们支持完整的数据挖掘流程，包括数据获取、数据清洗、特征提取、算法建模和性能评估。我们知道在实际问题的数据分析中，算法建模其实只占到5%左右的精力，大部分时间都在于数据的获取和清洗上面。因此Sophon平台的使用会使得数据挖掘的过程变得更为高效。

第二点，我们对多个深度学习框架都提供支持，包括TensorFlow、Mxnet等。这样不仅不需要用户花很多时间去搭建环境，不同环境下的预处理等步骤在这里都可以一键式替换，并且用户甚至都不用细致的理解深度框架的细节只要确定输入和输出就可以了。

第三点，我们拥有丰富的分布式机器学习算法，涵盖了聚类、分类、回归、时序、NLP、推荐等等所有常用算法，并且支持流式机器学习。在实际应用环境中具备很高的可操作性。

第四点，我们实现了多租户和模型共享。群组间可以共享模型和自定义算法，并且保证了多个租户之间的资源共享和隔离。

另外为了方便用户的使用，我们也在midas上提供了一些主题模型库，主要是一些常见的行业应用模板案例，比如用户画像、实时推荐等等。

总体上，大家可以看到Transwarp Sophon 比传统的数据挖掘工具更为高效和实用，相对于SAS和SPSS来说，我们支持流式分布式以及深度学习可以更高效的分析数据，相对于Aster而言，我们支持图形化工具可以使分析手段更为简便和实用。

最后我们举一个客户流失预警的案例。（插图）我们用三天对用户的数据进行了迁移，在Sophon上运行，不仅精度比spss高五个百分点，流程复杂度大大降低，并且在运行时间上从原来的15个小时以上降低到半个小 50 29929 50 14987 0 0 1831 0 0:00:16 0:00:08 0:00:08 3538时，大大的提高的效率和稳定度。

今天，主要介绍了Transwarp Sophon四个主要特点，可以看到我们的平台无论是在效率还是实用可操作性上都超越了已有的工具平台，相信未来可以做的更好，为用户提供更多的便利。

大会干货合集：

更多干货，敬请期待.....

---

回复关键字，获取更多资讯

简介 | 产品 | 技术 | 案例集 | 培训 | 白话大数据

评测 |  投资 | 新手上路 | Holodesk | TED视频

技术支持| 金融 | 电力 | 视频监控 | 运营商 |交通

税务 | 电商 | 智能金融 | 医疗 | 快递|TDH5.0