AIUPS
AIUPS
AIUPS 數據人工智慧平台 (製造業無AI 經驗)
AIUPS 數據人工智慧平台 (製造業有AI經驗無AutoML)
AIUPS 數據人工智慧平台 (製造業有AutoML 經驗)
AIUPS 數據人工智慧平台 (非製造業)
一站式服務
R2024b 新功能與產品應用圖示
AIUPS-Auto Feature Selection
AIUPS-Feature Synthesis (AutoFeat,Feature Cross)
AIUPS-實驗進度顯示功能
AIUPS-客製化演算法整合
R2024b 新功能與產品應用
| Function | Principle | Benefits for USER |
|---|---|---|
| Auto Feature Selection | Feature Selection 指的是從原始特徵集中選擇最具代表性或對預測最有價值的特徵，以減少維度並改善模型效能。這有助於消除噪聲、避免過度擬合、提高模型解釋性和減少計算成本。 | 快速取得最佳AI模型 |
| Feature Synthesis (AutoFeat, Feature Cross) |
Feature Synthesis 指的是使用現有特徵資料，通常透過轉換、組合或創建新的特徵，以改進機器學習模型的預測性能或揭示資料中潛在的模式和關係。這能提高模型的準確性和泛化能力，目前提供 AutoFeat, Feature Cross 方法。 | 快速取得最佳AI模型 |
| CDF圖 | CDF圖（累積分佈函數圖）在多實驗預測中顯示各實驗結果的累積概率分佈，便於比較和整合不同實驗的結果。透過CDF圖，可以評估各實驗結果的不確定性和變異性，從而提高整體預測的準確性和可靠性。 | 視覺化比對AI模型預測效能，快速比對實驗模型 |
| 一資料集支援多實驗預測 | 同一批次資料用於多個不同實驗，以產生多種預測結果。這方法提高了數據利用率，允許跨實驗結果的比較和綜合，有助於提升預測的精度和穩定性，同時減少數據處理的重複工作。 | 同一批次資料用於多個不同實驗，以產生多種預測結果，簡化實驗流程 |
| 實驗進度顯示功能 | 建模實驗進度顯示功能提供實時視覺化工具，用於追蹤和展示建模實驗的進度。此功能有助於監控實驗過程，識別瓶頸，並及時進行調整，以確保實驗按計劃進行。 | 視覺化顯示AI建模進度 |
| 客製化演算法整合 | 將特定需求的自定義演算法嵌入現有平台，擴展平台的演算法，以滿足客戶特定業務需求。 | 開放提供使用者自行嵌入自我開發之演算法 |
| 無Y預測功能 | 加入一般預測功能 (單純預測，不進行計算) | 測試資料集無Y時仍可執行測試，提高使用資料及廣泛度 |