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

6月9日消息，自動(dòng)化機(jī)器學(xué)習(xí)平臺(tái)開(kāi)發(fā)商Qeexo公司今天正式發(fā)布使用AWS服務(wù)的Qeexo AutoML平臺(tái)通用版，這一產(chǎn)品能夠加速TinyML在邊緣/終端的部署。

Qeexo CEO Sang Won Lee表示：“我們非常高興能夠發(fā)布Qeexo AutoML通用版，作為托管在AWS上的一款網(wǎng)絡(luò)應(yīng)用。對(duì)于所有的用戶來(lái)說(shuō)，不管是新手，還是數(shù)據(jù)科學(xué)家，有了直觀的端到端工作流，以及輕松的在線訪問(wèn)方式，Qeexo AutoML將會(huì)極大地提升TinyML模型開(kāi)發(fā)以及部署的便捷性。”

從今天開(kāi)始，用戶就可以注冊(cè)登錄Qeexo AutoML通用版平臺(tái)，銅牌會(huì)員可以上傳或采集數(shù)據(jù)集，自動(dòng)創(chuàng)建輕量級(jí)機(jī)器學(xué)習(xí)模型，并在選定的嵌入式硬件平臺(tái)上部署和測(cè)試。目前銅牌會(huì)員為限時(shí)免費(fèi)的狀態(tài)。

“Qeexo AutoML目前已經(jīng)提供了高級(jí)控制功能，新的機(jī)器學(xué)習(xí)算法，以及對(duì)多個(gè)新硬件平臺(tái)的支持，這些會(huì)為T(mén)inyML開(kāi)發(fā)者們提供更高的靈活性?！盠ee補(bǔ)充道。

新的主要功能包括：創(chuàng)建模型時(shí)，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(lèi)的可分離性；使用可視化和敏感性分析進(jìn)行分類(lèi)敏感性的微調(diào)；以及針對(duì)神經(jīng)網(wǎng)絡(luò)參數(shù)的配置，包括量化意識(shí)訓(xùn)練。這些新的功能讓用戶可以創(chuàng)建預(yù)測(cè)性維護(hù)解決方案來(lái)監(jiān)測(cè)工業(yè)化機(jī)器的異常；手勢(shì)和情境感知算法可以為健身追蹤器和老年護(hù)理行業(yè)提供消費(fèi)者/可穿戴產(chǎn)品案例；以及其他基于機(jī)器學(xué)習(xí)的算法可以為有傳感器的智能物聯(lián)網(wǎng)設(shè)備服務(wù)。

重大的模型升級(jí)也同時(shí)發(fā)布，包括：適用于工業(yè)化應(yīng)用中異常檢測(cè)的分類(lèi)器，以及在目前已有多種算法，包括ANN（人工神經(jīng)網(wǎng)絡(luò)）, CNN（卷積神經(jīng)網(wǎng)絡(luò)）, GBM（梯度提升機(jī)）, XGBoost（極限梯度提升樹(shù)），Random Forest（隨機(jī)森林），Logistic Regression（邏輯回歸）和Decision Tree（決策樹(shù)）的情況下，增加了支持RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）的算法， Isolation Forest（孤立森林），和Local Outlier Factor（局部異常因子）。Qeexo AutoML支持傳感器數(shù)據(jù)采集和可視化，自動(dòng)創(chuàng)建模型，以及一鍵部署到以下硬件平臺(tái)：Arduino Nano 33 BLE Sense, 瑞薩電子的RA6M3 ML Sensor Module, 意法半導(dǎo)體的STWINKT1和SensorTile.box。

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

Qeexo公司是第一家針對(duì)嵌入式邊緣設(shè)備（Cortex M0到M4級(jí)別）推出自動(dòng)化端到端機(jī)器學(xué)習(xí)的公司。作為一個(gè)一鍵式全自動(dòng)化的平臺(tái)，Qeexo AutoML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(jī)器學(xué)習(xí)解決方案，例如，移動(dòng)，物聯(lián)網(wǎng)，可穿戴，汽車(chē)等領(lǐng)域的應(yīng)用。