探索云世界
《阿里云AI产品必知必会系列电子书》——机器学习平台PAI——DesignerQuickStart使用教程（3）
2023-05-271018
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
交互式建模 PAI-DSW，5000CU*H 3个月
模型训练 PAI-DLC，5000CU*H 3个月
推荐场景：
低代码 Lora 微调及部署
模型在线服务 PAI-EAS，A10/V100等 500元 1个月
推荐场景：
基于PAI-EAS挂载OSS部署AIGC服务
简介：《阿里云AI产品必知必会系列电子书》——机器学习平台PAI——DesignerQuickStart使用教程（3）
《阿里云AI产品必知必会系列电子书》——机器学习平台PAI——DesignerQuickStart使用教程（2） https://developer.aliyun.com/article/1232697?groupCode=supportservice
•3.7 整个流程：
•3.8点击页面左上角运行按钮运行整个模型，当然也可以右键点击到具体的模块选择运行到此处，还可以分别查询各个模块的运行结果：
•查看拆分表数据
四、模型的部署与调用
目前线性回归模型已经训练完成，但是如何才能验证咱们训练的模型效果如何
呢？这就需要将模型部署后调用查看下结果。PAI Designer可以一键在线部署，然后进行在线调试查看，让我们来看看效果吧！
•4.1 部署模型
注意: 模型正常运行后才能部署，并不是搭建的实验都能生成模型，普通的数值处理不能生成模型，常见的可以生成模型算法包括:GBDT二分类、线性支持向量机、逻辑回归二分类、逻辑回归多分类、随机森林、KMeans、线性回归、GBDT回归（GBDT回归算法不支持int型数据格式输入，所以在部署前请注意GBDT算法输入应为Double型）、Tensorflflow等。
•4.2 在线调试
文章标签：
关键词：
目录
相关文章
欢迎加入阿里云百炼·析言GBI产品官方答疑群
在使用析言产品时遇技术难题？官方答疑群助您快速解决！群内可与其他用户交流、获取技术支持，轻松找到答案。欢迎扫描二维码或搜索钉钉号：94725009401加入我们，了解更多详情及VPC能力，让数据分析变得简单高效。
AI基础科普：机器学习入门与实践
本文全面介绍了机器学习及其在信用评分预测中的应用。首先概览了机器学习作为人工智能核心领域的重要性及其实现数字化转型的作用。接着定义了机器学习，并区分了监督、无监督和强化学习等主要类型。随后，通过一个具体的场景——利用Python与scikit-learn库构建逻辑回归模型来预测客户的信用等级，详细阐述了从数据准备、模型训练到评估的全过程。此外，还介绍了如何借助阿里云机器学习平台PAI进行云上的模型训练和部署。最后，通过总结逻辑回归算法和其在金融领域的应用，鼓励读者深入学习并实践AI技术，以适应快速发展的科技趋势。
AI与创造力的碰撞：探索机器学习在艺术创作中的角色
【8月更文挑战第9天】当科技遇见艺术，会擦出怎样的火花？本文将带您一探究竟，深入了解人工智能尤其是机器学习如何在现代和当代艺术创作中扮演着日益重要的角色。我们将通过具体实例探讨AI如何助力艺术家突破创意限制，以及这一技术趋势对艺术领域未来的可能影响。
探索自动化测试的未来：AI与机器学习的融合
在软件测试领域，自动化一直是提高效率和准确性的关键。随着人工智能（AI）和机器学习（ML）技术的飞速发展，它们正在逐步改变自动化测试的面貌。本文将探讨AI和ML如何增强自动化测试的能力，提高其智能性、预测性和适应性，并分析这些技术为测试实践带来的潜在变化和挑战。
探索自动化测试的未来：AI与机器学习的融合
在软件测试领域，自动化测试一直是提高效率和质量的关键工具。然而，随着技术的发展，尤其是人工智能（AI）和机器学习（ML）的兴起，我们看到了自动化测试的新机遇和挑战。本文将探讨AI和ML如何改变自动化测试的面貌，从智能测试脚本的生成到预测性分析的应用，以及这些技术如何帮助测试人员更有效地识别和解决问题。我们将通过具体案例和最新研究成果，深入理解这一趋势对软件测试实践的影响。
神经网络入门到精通：Python带你搭建AI思维，解锁机器学习的无限可能
【8月更文挑战第3天】踏入人工智能领域，神经网络是开启智慧之门的钥匙。它不仅是一种技术，更是模仿人脑学习与推理的思维方式。从理解神经元间的连接到构建神经网络的基本概念，再到使用Python与TensorFlow搭建手写数字识别模型，每一步都揭示着机器学习的奥秘。随着深入学习，我们将探索更高级的主题，比如深度神经网络、卷积神经网络和循环神经网络，以及如何优化模型性能。掌握背后的数学原理，将帮助我们设计更高效准确的模型。在这个旅程中，Python将是我们的得力助手，引领我们探索AI世界的无限可能。
热门文章
最新文章
1
人工智能平台PAI产品使用合集之是否可以在模型部署发布后以http接口形式提供给业务开发人员使用
63
2
人工智能平台PAI产品使用合集之机器学习PAI可以通过再建一个done分区或者使用instance.status来进行部署吗
59
3
人工智能平台PAI产品使用合集之机器学习PAI中的sample_weight怎么加在样本中
255
4
人工智能平台PAI产品使用合集之机器学习PAI EasyRec中的eval_config的使用方法是什么
184
5
人工智能平台PAI产品使用合集之机器学习PAI EasyRec训练时，怎么去除没有意义的辅助任务的模型，用于部署
333
6
人工智能平台PAI产品使用合集之SaveV3模块的用法不知道如何解决
207
7
人工智能平台PAI产品使用合集之PAI机器学习预置处理器在部署完成后怎么进行调用
179
8
人工智能平台PAI产品使用合集之机器学习PAI中怎么拉到maven仓库的包
350
9
人工智能平台PAI产品使用合集之机器学习PAI实践参考在哪里
53
10
人工智能平台PAI产品使用合集之机器学习PAI-EAS部署好后，服务的公网API和URL怎么配置
237
相关课程
更多相关实验场景
更多下一篇