Qeexo AutoML平臺通用版發(fā)布 加速TinyML在邊緣終端部署

6月9日消息，自動化機器學習平臺開發(fā)商Qeexo公司今天正式發(fā)布使用AWS服務的QeexoAutoML平臺通用版，這一產(chǎn)品能夠加速TinyML在邊緣/終端的部署。

QeexoCEOSangWonLee表示：“我們非常高興能夠發(fā)布QeexoAutoML通用版，作為托管在AWS上的一款網(wǎng)絡應用。對于所有的用戶來說，不管是新手，還是數(shù)據(jù)科學家，有了直觀的端到端工作流，以及輕松的在線訪問方式，QeexoAutoML將會極大地提升TinyML模型開發(fā)以及部署的便捷性。”

從今天開始，用戶就可以注冊登錄QeexoAutoML通用版平臺，銅牌會員可以上傳或采集數(shù)據(jù)集，自動創(chuàng)建輕量級機器學習模型，并在選定的嵌入式硬件平臺上部署和測試。目前銅牌會員為限時免費的狀態(tài)。

“QeexoAutoML目前已經(jīng)提供了高級控制功能，新的機器學習算法，以及對多個新硬件平臺的支持，這些會為TinyML開發(fā)者們提供更高的靈活性。”Lee補充道。

新的主要功能包括：創(chuàng)建模型時，在數(shù)據(jù)記錄完成之后可以人工選擇傳感器以及傳感器數(shù)據(jù)特征；可視化的類的可分離性；使用可視化和敏感性分析進行分類敏感性的微調(diào)；以及針對神經(jīng)網(wǎng)絡參數(shù)的配置，包括量化意識訓練。這些新的功能讓用戶可以創(chuàng)建預測性維護解決方案來監(jiān)測工業(yè)化機器的異常；手勢和情境感知算法可以為健身追蹤器和老年護理行業(yè)提供消費者/可穿戴產(chǎn)品案例；以及其他基于機器學習的算法可以為有傳感器的智能物聯(lián)網(wǎng)設備服務。

重大的模型升級也同時發(fā)布，包括：適用于工業(yè)化應用中異常檢測的分類器，以及在目前已有多種算法，包括ANN（人工神經(jīng)網(wǎng)絡）,CNN（卷積神經(jīng)網(wǎng)絡）,GBM（梯度提升機）,XGBoost（極限梯度提升樹），RandomForest（隨機森林），LogisticRegression（邏輯回歸）和DecisionTree（決策樹）的情況下，增加了支持RNN（循環(huán)神經(jīng)網(wǎng)絡）的算法，IsolationForest（孤立森林），和LocalOutlierFactor（局部異常因子）。QeexoAutoML支持傳感器數(shù)據(jù)采集和可視化，自動創(chuàng)建模型，以及一鍵部署到以下硬件平臺：ArduinoNano33BLESense,瑞薩電子的RA6M3MLSensorModule,意法半導體的STWINKT1和SensorTile.box。

Qeexo奇手公司誕生于卡內(nèi)基梅隆大學，總部位于山景城，并在匹茨堡，上海和北京設立了辦公室，公司目前已經(jīng)獲得風險投資。

Qeexo公司是第一家針對嵌入式邊緣設備（CortexM0到M4級別）推出自動化端到端機器學習的公司。作為一個一鍵式全自動化的平臺，QeexoAutoML讓用戶可以利用傳感器數(shù)據(jù)，為高度受限的環(huán)境快速創(chuàng)建機器學習解決方案，例如，移動，物聯(lián)網(wǎng)，可穿戴，汽車等領域的應用。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。