该团队在深度钻研机器学习理论的基础上，进一步提升了其在工程实践中的应用价值。他们聚焦于5G工业互联网和智能制造两大领域，围绕工业大数据分析、智能运维以及高通量机器视觉处理等工程需求，积极寻求利用机器学习技术解决工业应用中核心科学问题的创新策略和途径。
“合作前我提出了三点问题：研发生产环境的构建、模型训练并行化、缩短训练数据的准备时间。最终速石都很好地解决了。”
1ML基础架构组件繁多，构建过程复杂易出错，标准化需要高度专业的人力投入；
2并行化计算依赖基础架构层的软硬件框架，传统模式下资源管理和计算并行需要大量手工调试工作；
3模型开发依赖的高质量数据，需要大量的人工清洗、标注和格式转换工作。
大语言模型
基于Pytorch、TensorFlow、MXNet、Transformer框架的机器学习训练项目
1快速构建机器学习环境，提高10倍人效；
2支持应用工作流优化，可大规模并行计算，提升效率60%以上；
3采用专业平台和服务后，数据准备用时从2个月缩短到2周以内。
1机器学习环境可支持配置节点、GPU资源池管理、ML作业调度等功能；
2平台可针对应用进行工作流优化；
3专业数据平台可提供数据管理和清洗能力，并提供百万级众包资源与专家服务。
上海 
联系我们：
