CN111158745A - 一种基于Docker的数据处理平台 - Google Patents
一种基于Docker的数据处理平台 Download PDFInfo
- Publication number
- CN111158745A CN111158745A CN201911395122.4A CN201911395122A CN111158745A CN 111158745 A CN111158745 A CN 111158745A CN 201911395122 A CN201911395122 A CN 201911395122A CN 111158745 A CN111158745 A CN 111158745A
- Authority
- CN
- China
- Prior art keywords
- module
- docker
- model
- user
- processing platform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 35
- 238000002474 experimental method Methods 0.000 claims abstract description 35
- 238000012549 training Methods 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims abstract description 25
- 230000002452 interceptive effect Effects 0.000 claims abstract description 13
- 238000010801 machine learning Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 238000013135 deep learning Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 16
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 3
- 238000003012 network analysis Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 244000035744 Hura crepitans Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
Abstract
本发明特别涉及一种基于Docker的数据处理平台。该基于Docker的数据处理平台，以分布式计算框架为基础，整合开源的数据科学工具，包括模型应用单元、分析建模单元、算法库单元、计算框架单元、数据连接单元和系统管理单元，支持交互式编程和拖拽式实验，为用户提供模型训练、预测、评估和部署的全生命周期管理功能。该基于Docker的数据处理平台，提供了一种包括交互式编程、拖拽式实验和模型服务部署的一站式机器学习平台，同时还能兼顾机器学习、深度学习等多样算法框架，支持分布式计算，能够满足不同层次用户的需求，从而降低了机器学习平台运维成本。
Description
技术领域
本发明涉及大数据分析技术领域，特别涉及一种基于Docker的数据处理平台。
背景技术
数据科学(Data Science)是研究数据的科学，主要是用数据的方法研究科学和用科学的方法研究数据，它依赖着数据的广泛性和多样性以及数据研究的共性。
随着科学的发展，现在的数据处理技术需要通过快速重新部署实现的，更加快速、轻量、对业务的高可用支持，从而使工作更加高效。Docker是目前最流行的容器技术之一，是一个开源的应用容器引擎，让开发者可以打包应用以及依赖包到一个可移植的容器中，然后发布到任何流行的Linux机器上。同时Docker还可以实现虚拟化。而且Docker容器是完全使用沙箱机制，相互之间不会有任何接口，因而启动更快速、更轻量、隔离性更弱、对业务的高可用支持是通过快速重新部署实现的、快速迭代，更重要的是容器性能开销极低。
为满足新趋势下的技术要求，本发明提出了一种基于Docker的数据处理平台。
发明内容
本发明为了弥补现有技术的缺陷，提供了一种简单高效的基于Docker的数据处理平台。
本发明是通过如下技术方案实现的：
一种基于Docker的数据处理平台，其特征在于：以分布式计算框架为基础，整合开源的数据科学工具，包括模型应用单元、分析建模单元、算法库单元、计算框架单元、数据连接单元和系统管理单元，支持交互式编程和拖拽式实验，为用户提供模型训练、预测、评估和部署的全生命周期管理功能。
所述模型应用单元包括模型发布模块，模型运行模块和模型管理模块；所述模型管理模块用于管理通过实验流程保存的模型，用户可以查看模型列表、下载或删除模型文件。
本发明基于Docker的数据处理平台，支持可视化拖拽型机器学习模式，实验中的实验面板具备放大、缩小、原始尺寸、适应实验面板和全屏显示功能，实验面板中的组件可以随意用鼠标进行拖动，并且可以利用鼠标滚轮任意放大/缩小实验面板，选中实验面板中的实验组件并右键单击可以对执行结果进行查看。
所述分析建模单元包括可视化建模模块，向导式建模模块和交互式IDE模块，其中可视化建模模块包括拖拽式组件，流水线编排组件，参数自定义组件，数据透视组件，模型报告组件和项目管理组件。
本发明基于Docker的数据处理平台，集成了Python环境和PySpark环境，交互式IDE模块包括Python组件和PySpark组件；Python组件为用户集成了Jupyter Notebook。
所述向导式建模模块包括预置模型组件和自动学习组件。本发明基于Docker的数据处理平台，支持用户使用实验模块进行数据读取、数据预处理、特征工程、训练模型以及测试评估模型操作；且用户建立起完整的流程后即可运行，等待运行结果，省去了代码的编写过程；训练结束后，模型文件保存至HDFS(Hadoop分布式文件系统)，用户可以在模型管理单元查看或下载已保存的模型文件。
所述算法库单元包括数据预处理模块，机器学习模块，特征工程模块，文本挖掘模块，统计分析模块，深度学习模块，时间序列模块和网络分析模块。
所述计算框架单元包括MapReduce模块，Spark模块，PyTorch模块和Tensorflow模块；所述数据连接单元包括关系数据库模块，NoSQL数据库模块，文件系统模块，大数据组件模块和云存储模块。
所述系统管理单元包括项目管理模块，数据集管理模块，服务管理模块，用户管理模块和系统监控模块。
所述项目管理模块负责为用户提供新建、删除和修改功能，用户可以根据需求创建不同的项目，在项目内用户可以管理实验流程、数据集、模型、服务和Notebook资源。
所述数据集管理模块为用户提供添加与删除数据集，查看数据集字段及路径功能，用户可以为不同的项目添加不同的数据集，用于项目内实验流程的建立。
所述服务管理模块为用户提供部署服务的功能，用户只需对提供的预测代码进行少量修改，训练结束后，即可将训练的模型发布成服务。
所述用户管理模块为用户提供创建训练作业、通过筛选查看训练作业、停止和删除训练作业功能，并且在列表中不仅可以显示训练作业的名称，还会显示训练作业当前的状态、版本数量和运行时长信息。
所述系统监控模块负责提供对Notebook和上线服务所启动容器的监控功能，用户可以在监控里查看当前已打开的笔记本信息和已上线服务对应容器的状态，也可以在此关闭笔记本或容器。
本发明基于Docker的数据处理平台，包括Docker客户端(Client)，Docker主机(host)和注册表(Registry)，所述Docker客户端用于构建、运行和停止应用程序，以及与Docker主机进行远程交互；所述Docker主机内运行Docker Daemon，负责创建、运行及监控容器，构建及存储镜像，接收并处理Docker客户端的请求，并根据请求类型，创建出指定的作业(Job)并运行。
本发明的有益效果是：该基于Docker的数据处理平台，提供了一种包括交互式编程、拖拽式实验和模型服务部署的一站式机器学习平台，同时还能兼顾机器学习、深度学习等多样算法框架，支持分布式计算，能够满足不同层次用户的需求，从而降低了机器学习平台运维成本。
附图说明
附图1为本发明基于Docker的数据处理平台系统结构示意图。
附图2为本发明基于Docker的数据处理平台Docker架构示意图。
附图3为本发明Docker daemon架构示意图。
附图4为本发明Docker registry生态位置示意图。
附图5为本发明Docker工作流程示意图。
具体实施方式
为了使本技术领域的人员更好的理解本发明中的技术方案，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚，完整的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
该基于Docker的数据处理平台，以分布式计算框架为基础，整合开源的数据科学工具，包括模型应用单元、分析建模单元、算法库单元、计算框架单元、数据连接单元和系统管理单元，支持交互式编程和拖拽式实验，为用户提供模型训练、预测、评估和部署的全生命周期管理功能。
所述模型应用单元包括模型发布模块，模型运行模块和模型管理模块；所述模型管理模块用于管理通过实验流程保存的模型，用户可以查看模型列表、下载或删除模型文件。
该基于Docker的数据处理平台，支持可视化拖拽型机器学习模式，实验中的实验面板具备放大、缩小、原始尺寸、适应实验面板和全屏显示功能，实验面板中的组件可以随意用鼠标进行拖动，并且可以利用鼠标滚轮任意放大/缩小实验面板，选中实验面板中的实验组件并右键单击可以对执行结果进行查看。
所述分析建模单元包括可视化建模模块，向导式建模模块和交互式IDE模块，其中可视化建模模块包括拖拽式组件，流水线编排组件，参数自定义组件，数据透视组件，模型报告组件和项目管理组件。
该基于Docker的数据处理平台，集成了Python环境和PySpark环境，交互式IDE模块包括Python组件和PySpark组件；Python组件为用户集成了Jupyter Notebook。JupyterNotebook是一个交互式笔记本，其本质是一个Web应用程序，便于创建和共享文学化程序文档，支持实时代码，数学方程，可视化和Markdown。用户可通过点击左侧组件列表的“Notebook”使用Notebook功能。
所述向导式建模模块包括预置模型组件和自动学习组件。该基于Docker的数据处理平台，支持用户使用实验模块进行数据读取、数据预处理、特征工程、训练模型以及测试评估模型操作；且用户建立起完整的流程后即可运行，等待运行结果，省去了代码的编写过程；训练结束后，模型文件保存至HDFS(Hadoop分布式文件系统)，用户可以在模型管理单元查看或下载已保存的模型文件。
所述算法库单元包括数据预处理模块，机器学习模块，特征工程模块，文本挖掘模块，统计分析模块，深度学习模块，时间序列模块和网络分析模块。
所述计算框架单元包括MapReduce模块，Spark模块，PyTorch模块和Tensorflow模块；所述数据连接单元包括关系数据库模块，NoSQL数据库模块，文件系统模块，大数据组件模块和云存储模块。
所述系统管理单元包括项目管理模块，数据集管理模块，服务管理模块，用户管理模块和系统监控模块；所述项目管理模块负责为用户提供新建、删除和修改功能，用户可以根据需求创建不同的项目，在项目内用户可以管理实验流程、数据集、模型、服务和Notebook资源；所述数据集管理模块为用户提供添加与删除数据集，查看数据集字段及路径功能，用户可以为不同的项目添加不同的数据集，用于项目内实验流程的建立；所述服务管理模块为用户提供部署服务的功能，用户只需对提供的预测代码进行少量修改，训练结束后，即可将训练的模型发布成服务。
所述用户管理模块为用户提供创建训练作业、通过筛选查看训练作业、停止和删除训练作业功能，并且在列表中不仅可以显示训练作业的名称，还会显示训练作业当前的状态、版本数量和运行时长信息。
所述系统监控模块负责提供对Notebook和上线服务所启动容器的监控功能，用户可以在监控里查看当前已打开的笔记本信息和已上线服务对应容器的状态，也可以在此关闭笔记本或容器。
该基于Docker的数据处理平台，包括Docker客户端(Client)，Docker主机(host)和注册表(Registry)，所述Docker客户端用于构建、运行和停止应用程序，以及与Docker主机进行远程交互；所述Docker主机内运行Docker Daemon，负责创建、运行及监控容器，构建及存储镜像，接收并处理Docker客户端的请求，并根据请求类型，创建出指定的作业(Job)并运行。
Docker Client，也称Docker客户端。它其实就是Docker提供命令行界面(CLI)工具，是许多Docker用户与Docker进行交互的主要方式。客户端可以构建，运行和停止应用程序，还可以远程与Docker_Host进行交互。最常用的Docker客户端就是docker命令，可以通过docker命令很方便地在host上构建和运行docker容器。
Docker daemon是服务器组件，以Linux后台服务的方式运行，是Docker最核心的后台进程，我们也把它称为守护进程。它负责响应来自Docker Client的请求，然后将这些请求翻译成系统调用完成容器管理操作。该进程会在后台启动一个API Server，负责接收由Docker Client发送的请求，接收到的请求将通过Docker daemon内部的一个路由分发调度，由具体的函数来执行请求。
Docker Daemon可以认为是通过Docker Server模块接受Docker Client的请求，并在Engine中处理请求，然后根据请求类型，创建出指定的Job并运行。Docker Daemon运行在Docker host上，负责创建、运行、监控容器，构建、存储镜像。
由于Docker Daemon和Docker Client的启动都是通过可执行文件Docker来完成的，因此两者的启动流程非常相似。Docker可执行文件运行时，运行代码通过不同的命令行flag参数，区分两者，并最终运行两者各自相应的部分。
启动Docker Daemon时，一般可以使用以下命令来完成
docker--daemon＝true
docker–d
docker–d＝true
再由docker的main()函数来解析以上命令的相应flag参数，并最终完成DockerDaemon的启动。
Docker镜像(Image)可以看作是一个特殊的文件系统，除了提供容器运行时所需的程序、库、资源、配置等文件外，还包含了一些为运行时准备的一些配置参数(如匿名卷、环境变量、用户等)。镜像不包含任何动态数据，其内容在构建之后也不会被改变。我们可将Docker镜像看成只读模板，通过它可以创建Docker容器。
镜像有多种生成方法：从无到有开始创建镜像；下载并使用别人创建好的现成的镜像；在现有镜像上创建新的镜像。
可以将镜像的内容和创建步骤描述在一个文本文件中，这个文件被称作Dockerfile，通过执行docker build<docker-file>命令可以构建出Docker镜像，
Docker registry是存储docker image的仓库，它在docker生态环境中的位置如附图4所示：
运行docker push、docker pull、docker search时，实际上是通过docker daemon与docker registry通信。
Docker容器(Container)就是Docker镜像的运行实例，是真正运行项目程序、消耗系统资源、提供服务的地方。Docker容器提供了系统硬件环境，可以使用Docker镜像这些制作好的系统盘，再加上编写好的项目代码，直接运行即可提供服务。
以上对本发明实例中的一种基于Docker的数据处理平台进行了详细的介绍。本部分采用具体实例对发明的原理及实施方式进行了阐述，以上实例仅用于帮助理解本发明的核心思想，在不脱离本发明原理的情况下，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
Claims (9)
1.一种基于Docker的数据处理平台，其特征在于：以分布式计算框架为基础，整合开源的数据科学工具，包括模型应用单元、分析建模单元、算法库单元、计算框架单元、数据连接单元和系统管理单元，支持交互式编程和拖拽式实验，为用户提供模型训练、预测、评估和部署的全生命周期管理功能。
2.根据权利要求1所述的基于Docker的数据处理平台，其特征在于：所述模型应用单元包括模型发布模块，模型运行模块和模型管理模块；所述模型管理模块用于管理通过实验流程保存的模型，用户可以查看模型列表、下载或删除模型文件。
3.根据权利要求1所述的基于Docker的数据处理平台，其特征在于：所述分析建模单元包括可视化建模模块，向导式建模模块和交互式IDE模块，其中可视化建模模块包括拖拽式组件，流水线编排组件，参数自定义组件，数据透视组件，模型报告组件和项目管理组件；
支持可视化拖拽型机器学习模式，实验中的实验面板具备放大、缩小、原始尺寸、适应实验面板和全屏显示功能，实验面板中的组件可以随意用鼠标进行拖动，并且可以利用鼠标滚轮任意放大/缩小实验面板，选中实验面板中的实验组件并右键单击可以对执行结果进行查看。
4.根据权利要求3所述的基于Docker的数据处理平台，其特征在于：所述交互式IDE模块包括Python组件和PySpark组件，集成了Python环境和PySpark环境，Python组件为用户集成了Jupyter Notebook。
5.根据权利要求3所述的基于Docker的数据处理平台，其特征在于：所述向导式建模模块包括预置模型组件和自动学习组件，所述算法库单元包括数据预处理模块，机器学习模块，特征工程模块，文本挖掘模块，统计分析模块，深度学习模块，时间序列模块和网络分析模块；
支持用户进行数据读取、数据预处理、特征工程、训练模型以及测试评估模型操作；且用户建立起完整的流程后即可运行，等待运行结果，省去了代码的编写过程；训练结束后，模型文件保存至HDFS，用户可以在模型管理单元查看或下载已保存的模型文件。
6.根据权利要求1所述的基于Docker的数据处理平台，其特征在于：所述计算框架单元包括MapReduce模块，Spark模块，PyTorch模块和Tensorflow模块；所述数据连接单元包括关系数据库模块，NoSQL数据库模块，文件系统模块，大数据组件模块和云存储模块。
7.根据权利要求1所述的基于Docker的数据处理平台，其特征在于：所述系统管理单元包括项目管理模块，数据集管理模块，服务管理模块，用户管理模块和系统监控模块。
8.基于权利要求7所述的基于Docker的数据处理平台，其特征在于：
所述项目管理模块负责为用户提供新建、删除和修改功能，用户可以根据需求创建不同的项目，在项目内用户可以管理实验流程、数据集、模型、服务和Notebook资源；
所述数据集管理模块为用户提供添加与删除数据集，查看数据集字段及路径功能，用户可以为不同的项目添加不同的数据集，用于项目内实验流程的建立；
所述服务管理模块为用户提供部署服务的功能，用户只需对提供的预测代码进行少量修改，训练结束后，即可将训练的模型发布成服务；
所述用户管理模块为用户提供创建训练作业、通过筛选查看训练作业、停止和删除训练作业功能，并且在列表中不仅可以显示训练作业的名称，还会显示训练作业当前的状态、版本数量和运行时长信息；
所述系统监控模块负责提供对Notebook和上线服务所启动容器的监控功能，用户可以在监控里查看当前已打开的笔记本信息和已上线服务对应容器的状态，也可以在此关闭笔记本或容器。
9.根据权利要求1～8任意一项所述的基于Docker的数据处理平台，其特征在于：包括Docker客户端，Docker主机和注册表，所述Docker客户端用于构建、运行和停止应用程序，以及与Docker主机进行远程交互；所述Docker主机内运行Docker Daemon，负责创建、运行及监控容器，构建及存储镜像，接收并处理Docker客户端的请求，并根据请求类型，创建出指定的作业并运行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911395122.4A CN111158745B (zh) | 2019-12-30 | 2019-12-30 | 一种基于Docker的数据处理平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911395122.4A CN111158745B (zh) | 2019-12-30 | 2019-12-30 | 一种基于Docker的数据处理平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111158745A true CN111158745A (zh) | 2020-05-15 |
| CN111158745B CN111158745B (zh) | 2024-04-02 |
Family
ID=70559180
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911395122.4A Active CN111158745B (zh) | 2019-12-30 | 2019-12-30 | 一种基于Docker的数据处理平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111158745B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112256399A (zh) * | 2020-10-28 | 2021-01-22 | 四川长虹电器股份有限公司 | 基于Docker的Jupyter Lab多用户远程开发方法及系统 |
| CN112311605A (zh) * | 2020-11-06 | 2021-02-02 | 北京格灵深瞳信息技术有限公司 | 提供机器学习服务的云平台及方法 |
| CN112445462A (zh) * | 2020-11-16 | 2021-03-05 | 北京思特奇信息技术股份有限公司 | 基于面向对象设计的人工智能建模平台和方法 |
| CN112463301A (zh) * | 2020-11-30 | 2021-03-09 | 常州微亿智造科技有限公司 | 基于容器的模型训练测试调优和部署方法和装置 |
| CN112507623A (zh) * | 2020-12-15 | 2021-03-16 | 交控科技股份有限公司 | 一种算法中台构建方法及系统 |
| CN112667597A (zh) * | 2020-12-01 | 2021-04-16 | 北京晶派科技有限公司 | 一种算法模型全生命周期管理工具系统及其实现方法 |
| CN112667221A (zh) * | 2020-11-10 | 2021-04-16 | 中国科学院计算技术研究所 | 基于深度学习开发ide的深度学习模型构建方法及系统 |
| CN113553910A (zh) * | 2021-06-09 | 2021-10-26 | 交控科技股份有限公司 | 感知算法融合平台 |
| CN113568658A (zh) * | 2021-08-13 | 2021-10-29 | 中国科学院西北生态环境资源研究院 | 多语言地学在线服务方法、装置、存储介质及电子设备 |
| CN114764296A (zh) * | 2021-01-12 | 2022-07-19 | 京东科技信息技术有限公司 | 机器学习模型训练方法、装置、电子设备及存储介质 |
| CN116627392A (zh) * | 2023-07-25 | 2023-08-22 | 杭州比智科技有限公司 | 一种基于交互式ide的模型开发方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3182283A1 (en) * | 2015-12-16 | 2017-06-21 | Accenture Global Solutions Limited | Machine for development and deployment of analytical models |
| WO2018236674A1 (en) * | 2017-06-23 | 2018-12-27 | Bonsai Al, Inc. | HIERARCHICAL DECOMPOSITION DEEPENING REINFORCEMENT LEARNING FOR A MODEL OF ARTIFICIAL INTELLIGENCE |
| CN110378463A (zh) * | 2019-07-15 | 2019-10-25 | 北京智能工场科技有限公司 | 一种人工智能模型标准化训练平台及自动化系统 |
-
2019
- 2019-12-30 CN CN201911395122.4A patent/CN111158745B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3182283A1 (en) * | 2015-12-16 | 2017-06-21 | Accenture Global Solutions Limited | Machine for development and deployment of analytical models |
| WO2018236674A1 (en) * | 2017-06-23 | 2018-12-27 | Bonsai Al, Inc. | HIERARCHICAL DECOMPOSITION DEEPENING REINFORCEMENT LEARNING FOR A MODEL OF ARTIFICIAL INTELLIGENCE |
| CN110378463A (zh) * | 2019-07-15 | 2019-10-25 | 北京智能工场科技有限公司 | 一种人工智能模型标准化训练平台及自动化系统 |
Non-Patent Citations (2)
| Title |
|---|
| 余昌发;程学林;杨小虎;: "基于Kubernetes的分布式TensorFlow平台的设计与实现" * |
| 刘胜强;王晶;: "Docker的Hadoop平台架构分析" * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112256399A (zh) * | 2020-10-28 | 2021-01-22 | 四川长虹电器股份有限公司 | 基于Docker的Jupyter Lab多用户远程开发方法及系统 |
| CN112256399B (zh) * | 2020-10-28 | 2022-08-19 | 四川长虹电器股份有限公司 | 基于Docker的Jupyter Lab多用户远程开发方法及系统 |
| CN112311605B (zh) * | 2020-11-06 | 2023-12-22 | 北京格灵深瞳信息技术股份有限公司 | 提供机器学习服务的云平台及方法 |
| CN112311605A (zh) * | 2020-11-06 | 2021-02-02 | 北京格灵深瞳信息技术有限公司 | 提供机器学习服务的云平台及方法 |
| CN112667221A (zh) * | 2020-11-10 | 2021-04-16 | 中国科学院计算技术研究所 | 基于深度学习开发ide的深度学习模型构建方法及系统 |
| CN112445462A (zh) * | 2020-11-16 | 2021-03-05 | 北京思特奇信息技术股份有限公司 | 基于面向对象设计的人工智能建模平台和方法 |
| CN112463301A (zh) * | 2020-11-30 | 2021-03-09 | 常州微亿智造科技有限公司 | 基于容器的模型训练测试调优和部署方法和装置 |
| CN112463301B (zh) * | 2020-11-30 | 2022-02-11 | 常州微亿智造科技有限公司 | 基于容器的模型训练测试调优和部署方法和装置 |
| CN112667597A (zh) * | 2020-12-01 | 2021-04-16 | 北京晶派科技有限公司 | 一种算法模型全生命周期管理工具系统及其实现方法 |
| CN112507623A (zh) * | 2020-12-15 | 2021-03-16 | 交控科技股份有限公司 | 一种算法中台构建方法及系统 |
| CN114764296A (zh) * | 2021-01-12 | 2022-07-19 | 京东科技信息技术有限公司 | 机器学习模型训练方法、装置、电子设备及存储介质 |
| CN113553910A (zh) * | 2021-06-09 | 2021-10-26 | 交控科技股份有限公司 | 感知算法融合平台 |
| CN113568658A (zh) * | 2021-08-13 | 2021-10-29 | 中国科学院西北生态环境资源研究院 | 多语言地学在线服务方法、装置、存储介质及电子设备 |
| CN113568658B (zh) * | 2021-08-13 | 2023-09-19 | 中国科学院西北生态环境资源研究院 | 多语言地学在线服务方法、装置、存储介质及电子设备 |
| CN116627392B (zh) * | 2023-07-25 | 2023-11-10 | 杭州比智科技有限公司 | 一种基于交互式ide的模型开发方法及系统 |
| CN116627392A (zh) * | 2023-07-25 | 2023-08-22 | 杭州比智科技有限公司 | 一种基于交互式ide的模型开发方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111158745B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111158745B (zh) | 一种基于Docker的数据处理平台 | |
| US10162612B2 (en) | Method and apparatus for inventory analysis | |
| US10379845B2 (en) | Source to image transformation pipeline for a platform-as-a-service system | |
| US11327749B2 (en) | System and method for generating documentation for microservice based applications | |
| US8918448B2 (en) | Application component decomposition and deployment | |
| US20200090052A1 (en) | Decision tables and enterprise rules for object linking within an application platform as a service environment | |
| CN111580861A (zh) | 用于计算机环境迁移的基于模式的人工智能计划器 | |
| von Laszewski et al. | Workflow concepts of the java cog kit | |
| US9990595B2 (en) | Modeled service endpoints in business process model and notation tools | |
| US20130066961A1 (en) | Automated crowdsourcing task generation | |
| US8589864B2 (en) | Automating the creation of an application provisioning model | |
| US20070157191A1 (en) | Late and dynamic binding of pattern components | |
| US11262983B2 (en) | Services integration in an integrated development environment | |
| Marozzo et al. | JS4Cloud: script‐based workflow programming for scalable data analysis on cloud platforms | |
| CN113778500A (zh) | 一种基于DevOps的软件开发生命周期管理平台 | |
| JP2023070148A (ja) | ロボティックプロセスオートメーション（ｒｐａ）ロボットをリソースへ動的にバインドさせるためのシステムおよび方法 | |
| US20160239275A1 (en) | Generating an integrated service | |
| US10803413B1 (en) | Workflow service with translator | |
| EP2685376A1 (en) | COBOL reference architecture | |
| US11301223B2 (en) | Artificial intelligence enabled function logic infusion | |
| EP3624027A1 (en) | Decision tables and flow engine for building automated flows within a cloud based development platform | |
| Sharma | Mastering microservices with java: Build enterprise microservices with Spring Boot 2.0, Spring Cloud, and Angular | |
| McHenry et al. | A mosaic of software | |
| US11625282B2 (en) | Systems and methods of remote machine learning training with remote submission and execution through a coding notebook | |
| US20130138690A1 (en) | Automatically identifying reused model artifacts in business process models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |