创建逻辑模型：维度表
在维度建模中，将度量称为”事实“，将环境描述为”维度。维度表包含了事实表中指定属性的相关详细信息，常用的维度如日期维度、城市维度等。本文为您介绍如何创建维度表。前提条件 公共层主要完成公共数据的加工与整合，建立整体统一的...
代码模式建模
在维度建模中，列可以分为业务属性（ATTRIBUTE）、度量（MEASUREMENT）、关联字段（CORRELATION）类型。说明 FML语句支持先设计后物化数据表，因此新创建的表可以不设置列信息。constraint 定义表结构的约束情况，取值如下：主键约束...
功能发布记录
一款基于AI大模型的优化技术咨询服务机器人，通过"文字聊天”和“表格文件”来沟通业务中的问题，自动生成数学建模公式、代码、调用软件运行求解、结果解释。2023年8月 求解器SDK更新V0.25.x版本（V0.25.1下载）：提升内点法的性能 MILP...
关键词抽取
基于 样条 曲线 建模 方法 流场 求解 模块 包括 有限 差分 求解器 有限元 求解器和面元法 求解器 其中 有限 差分 求解器 主要 包括 基于 有限 差分法 势流 数学 建模 基于 笛卡尔 网格 变 步长 差分 格式 推导 笛卡尔 网格 生成 索引 算法 ...
基于二部图GraphSAGE算法实现推荐召回
背景信息 图神经网络是深度学习的热点发展方向，PAI开源Graph-Learn框架，提供大量图学习算法。二部图GraphSAGE是经典的图神经网络算法，而GraphSAGE为二部图场景扩展，被用于淘宝的推荐召回场景。在二部图场景下，可以将User和Item作为图...
功能发布记录 2022年之前
逆向建模功能帮助您将其他工具建好的模型反向建模至DataWorks的维度建模中。2021.10.30 该功能目前正在公测中，已开通公测的地域有：华北2（北京）、华东2（上海）、华东1（杭州）、华南1（深圳）、华北3（张家口）、西南1（成都）、亚太...
常见问题FAQ
答：我们2021年元旦有把同款求解器软件上线了阿里云-天池平台 https://tianchi.aliyun.com/mindopt ，线上会提供免费的云端Linux机器，可线上免费使用求解器，同时我们提供了多个案例教程和源代码，讲解求解器可以解决的问题、数学建模和...
维度建模
维度建模储备知识介绍 基本概念 说明 智能建模强依赖于Kimball维度建模理论，请您在实际操作前务必阅读一下数仓分层和维度建模中的基本概念。维度建模：关于维度建模的详细说明，请参见 维度建模。业务分类：业务分类是某一大类的业务的...
零售电商数据建模
本案例中涉及到的分层划域、事实表模型、维度表模型、维度模型概览如下图所示：维度建模储备知识介绍 说明 智能建模强依赖于Kimball维度建模理论，请您在实际操作前务必阅读一下数仓分层和维度建模中的基本概念。以下结合案例简单介绍了...
机器学习
MADlib机器学习模块主要解决以下问题：分类/回归问题：提供一系列算法如K最近邻、MLP多层感知神经网络、SVM支持向量机、决策树等算法来解决二元分类/回归问题，集成最小二乘法、GLM广义线性回归、逻辑回归、多项式回归等模型来解决回归问题...
机器学习（MADlib）
插件简介 MADlib机器学习模块主要解决以下问题：分类、回归问题：提供一系列算法，如K最近邻、MLP多层感知神经网络、SVM支持向量机、决策树等算法来解决二元分类、回归问题，集成最小二乘法、GLM广义线性回归、逻辑回归、多项式回归等模型...
MLP二分类/MLP多分类/MLP回归
多层感知机是一种前馈神经网络，通过多个神经元的组合对输入特征进行非线性变换和特征提取，最终输出一个连续的预测结果。在训练过程中，利用反向传播算法（Backpropagation）和梯度下降算法（Gradient Descent）来优化模型参数，以最小化...
求解器用户手册
方式3：建模语言 MindOpt APL、AMPL、Pyomo、PuLP、JuMP 说明 采用建模语言的好处是用建模语言的API来建模，可以方便切换不同版本求解器。MindOpt支持一些常见的建模工具，当前支持以下几种：1.MindOpt APL 2022年开始支持MindOpt APL建模...
模型调优
模型调优 模型调优是通过Fine-tuning训练模式提高模型效果的功能模块，作为重要的大模型效果优化方式，用户可以通过构建符合业务场景任务的训练集，调整参数训练模型，训练模型学习业务数据和业务逻辑，最终提高在业务场景中的模型效果。...
横向MLP二分类/MLP多分类/MLP回归
多层感知机是一种前馈神经网络，通过多个神经元的组合对输入特征进行非线性变换和特征提取，最终输出一个连续的预测结果。在训练过程中，利用反向传播算法（Backpropagation）和梯度下降算法（Gradient Descent）来优化模型参数，以最小化...
产品优势
效果逼真 在本地端实现了基于Knowledge-Aware Neural TTS(KAN-TTS)语音合成技术，基于深度神经网络和机器学习，将文本转换成真实饱满、抑扬顿挫、富有表现力的语音，使得 离线语音 合成效果趋近于在线合成效果。同样的语音合成 声音定制 的...
PageRank
在用户构成的社交网络中，PageRank理念同样适用。用户的影响力不仅由其个人属性决定，也受到其社交联系的质量的影响。例如，在新浪微博中，一个用户对其粉丝群体的影响力会受到和粉丝之间关系密切程度的影响，与用户关系较亲近的家人、同学...
镜像管理
机器学习 sklearn scikit-learn 1.0.2 Python 3.7 机器学习算法库 xgboost xgboost 1.6.2 Python 3.7 机器学习-分布式梯度增强 pytorch torch 1.13.1 Python 3.7 深度神经网络 除此之外，上述内置镜像均自带基础开发包，包括cloudpickle 2....
创建安全联邦学习任务（任务模式）
适用特征维度特别多，特别是神经网络算法。数据集设置 配置使用方和加持方的数据信息，用于后续的数据处理。使用方：指需要数据的一方。加持方：指提供数据的一方。训练集：需训练的数据表。Label字段：指标签字段，用于后续训练学习。对齐...
概述
矩阵分解、深度神经网络模型等算法都可以生成用户和物品的embedding向量，然而常规的模型还是需要依赖用户和物品的交互行为数据来建模，并不能很好地泛化到冷启动的用户和物品上。现在也有一些可以用来为冷启动用户和物品生成embedding向量...
CREATE MODEL
Lindorm AI引擎支持通过Lindorm SQL创建AI模型，对宽表引擎或时序引擎中的数据进行建模分析。您可以根据业务场景，在CREATE MODEL语句中设置推理任务类型、配置任务参数，创建不同类型的模型，例如文生图、检索问答、时序预测等模型。引擎...
Gateway API
组件介绍 Gateway API是Kubernetes中用于对服务网络流量进行建模的一系列资源。它的目标是建立一套表现力强、易扩展、面向角色的服务网络模型。优势如下。面向角色：资源抽象与使用Kubernetes的团队组织架构保持一致。可移植：与Ingress和...
阶段一：基础防护建设
数据建模链路：先由数据团队主管定义好建模过程中可能使用到的数据标准，再由数据建模人员设计并提交模型，最后经由数据团队主管、运维或部署人员审核无误后发布至生产环境。数据开发与生产链路：开发人员在开发环境先开发代码、配置调度...
组件概述
Gateway API 系统组件 Kubernetes中用于对服务网络流量进行建模的一系列资源，目标是建立一套表现力强、易扩展、面向角色的服务网络模型。安全 组件名称 组件类型 描述 aliyun-acr-credential-helper 系统组件 一个可以在ACK集群中免密拉取...
组件参考：所有组件汇总
文本打标预测（MaxCompute）（即将下线）该组件可以快速抽取文本中蕴含的标签，对理解文本语义、精确建模有重要作用。文本分类训练（MaxCompute）（即将下线）该算法组件集成了基于BERT的文本分类模型、传统深度文本分类（例如TextCNN）...
使用须知
Endpoint 介绍MaxCompute各地域支持的连接方式及Endpoint信息，并对您在与其他云产品（ECS、Tablestore或OSS）互访场景中遇到的网络连通性和下载数据收费等问题进行说明。如果您是数据分析师 如果您是数据分析师，建议熟读 SQL 模块的内容...
人员排班-任务分配(混合整数规划)
业务调研、数据量化、数学建模 在使用优化技术的时候，需要更详细的调研业务的需求，整理相关的业务逻辑和数据，并量化表示它。然后采用数学规划的方法进行数学建模。此部分细节较多，可在案例 人员排班 中查阅细节，此处我们仅列出数学...
交通调度-网络流最大流问题
业务调研、数据量化、数学建模 在使用优化技术的时候，需要更详细的调研业务的需求，整理相关的业务逻辑和数据，并量化表示它。然后采用数学规划的方法进行数学建模。此部分细节较多，可在案例 交通调度 中查阅细节，此处我们仅列出数学...
营养搭配-线性规划
业务调研、数据量化、数学建模 在使用优化技术的时候，需要更详细的调研业务的需求，整理相关的业务逻辑和数据，并量化表示它。然后采用数学规划的方法进行数学建模。此部分细节较多，可在案例 营养搭配 中查阅细节，此处我们仅列出数学...
广告流量分发-线性规划
业务调研、数据量化、数学建模 在使用优化技术的时候，需要更详细的调研业务的需求，整理相关的业务逻辑和数据，并量化表示它。然后采用数学规划的方法进行数学建模。此部分细节较多，可在案例 视频流量调控 中查阅细节，此处我们仅列出...
物流运输-网络流问题最小化成本
业务调研、数据量化、数学建模 在使用优化技术的时候，需要更详细的调研业务的需求，整理相关的业务逻辑和数据，并量化表示它。然后采用数学规划的方法进行数学建模。此部分细节较多，可在案例 物流运输 中查阅细节，此处我们仅列出数学...
建模优化
通过界面化的方式，实现运筹优化的数学建模，并调用求解器实现模型的求解输出。计算逻辑原理 通过依次添加序列、变量、参数、目标函数及约束等，完成数学建模，配置相应的求解属性，调用底层求解器进行模型的求解。使用流程说明 添加数据源...
行业例：排产排程-采购和生产规划
业务调研、数据量化、数学建模 在使用优化技术的时候，需要更详细的调研业务的需求，整理相关的业务逻辑和数据，并量化表示它。然后采用数学规划的方法进行数学建模。此部分细节较多，可在案例 排产排程03 中查阅细节，此处我们仅列出数学...
准备工作
本文介绍使用多方安全建模服务前需要完成的准备工作。确保节点已部署完成，且样本已加载到节点中。确保管理控制台中已存在或受邀进入一个多方安全建模项目。确保管理控制台的多方安全建模项目中，存在已授权的节点和数据。
数据标准概述
DataWorks数据建模支持在建模前规划制定数据标准，或在建模使用过程中根据业务情况沉淀企业业务的数据标准。通过规范约束标准代码、度量单位、字段标准、命名词典，来保障后续建模与应用过程中数据处理的一致性，从源头上保障数据的标准化...
进入联邦建模控制台
在联邦建模控制台中，使用节点中的离线数据作为建模样本，创建联邦模型，并将创建的联邦模型分发到各节点中。前置条件 在进入联邦建模控制台前，您需要确认以下信息：确认联邦节点已部署完成，并且数据已加载到节点中。确认机构管理台中已...
安全防护
同时内置深度神经网络和机器学习等先进技术，通过样本扫描、特征萃取、特征对比和文件聚类等算法，实现多达44种敏感数据的精准识别。同时数据安全中心提供了敏感数据发现后的自动分类分级以及统计展示能力，通过对结构化和非结构化数据源的...
文档导出
导出业务模型资产到文档 登录BizWorks，在 选择平台 下拉列表中选中 建模平台。单击页面右上角 图标或其文本框区域，在下拉列表中单击目标项目名称后，单击 建模 页签。在 建模 导航栏中，选择 模型导入导出>文档导出。在 文档导出 的 业务...
智能数据建模计费标准
智能数据建模使用包年包月计费模式，根据您在智能数据建模产品内创建的对象数量进行计费。您可根据实际需求，选购智能数据建模产品的不同规格。同时，智能数据建模为您提供了单独计费的行业模型模版，您可购买该模版快速构建属于您的数据...
Java代码扫描与平台模型映射的特殊规则说明
继承或实现java.util.Collection，且非继承或实现java.util.Set的类型扫描上报为建模平台中的List，例如List、ArrayList等。继承或实现java.util.Set的类型扫描上报为建模平台中的Set，例如：Set、HashSet等。继承或实现java.util.Map的...
- 产品推荐
- 这些文档可能帮助您