ModelWhale上线，和鲸掀起数据浪潮

2020年10月20日，和鲸科技成功举办「唤醒数据 焕新未来」线上发布会，宣布其核心产品 K-Lab 全面升级并正式更名为 ModelWhale，与数万名线上观众一起，共同见证了 ModelWhale 的新生。

全面升级，全面发掘数据价值

自 2017 年正式上线以来，K-Lab 已经积累了三万余名高频用户，帮助他们在实际业务、研究、学习中有效提升挖掘与利用数据的效率。随着数据科学市场的飞速发展，和鲸也敏锐的感知到用户需求的变化——逐渐从专业技能学习与数据量容量上的烦恼，转变为如何更好地利用和比较最前沿的数据科学方法，或是如何在实际业务中解释模型。        在这样的背景下，为了更好的符合用户们下一阶段的使用需求，ModelWhale 就此诞生。为了让用户更深切的感受到 ModelWhale 的革新之处，和鲸首席产品官殷自强在现场进行了详尽的产品演示。        首先，与数据科学专业相关的所有工具模块，都集成在 ModelWhale 工作台中，而工作台与社区场景以及组织应用场景式都是分离开的，可以实现对于项目、数据源、实例、训练任务、模型服务、算法库的管理；这种多场景切分的方式，可以帮助用户在不同场景的产品使用中有更好的浸入性。

在深度分析当下用户的使用现状——需要基于某一份数据或某一种研究方向利用多种模型、集成多种角色，进行多样的探索后，ModelWhale 重新定义了“项目”的概念。对单项目多 Notebook 模式进行深度支持，方便用户在同一个场景中用不同的算法跑数据，参照对比选择最优的结果；

还增加了协作者功能，可以设定团队各成员的权限，也方便其他成员基于前者的代码进行修改并提交合并；

同时改变了项目的输入，在挂载项中除了可以选择组织授权、个人创建或是社区公开的数据源，还增加了算法库的模块，方便在分析中使用预训练模型；

至于项目输出方面，ModelWhale实现了可视化解析模型的内部结构，模型类的结果可以发布到算法库进行管理或者一键部署成模型服务，若是数据类的成果，可以在线制作为数据源给到团队的协作者。

另一个重大的升级点，就在于“拖拉拽”建模的正式上线。这一功能大幅降低了数据科学的门槛，用户可以用画布的方式拖拽，实现无代码的建模和编程。对于细分领域的业务专家来说，通过Canvas 快速搭建研究框架，就能了解数据大概会呈现怎样的效果，后续可以再把画布导出，以 Notebook的方式交给更专业的数据科学家推进下一步研究。

当完成建模流程后，数据科学家也可以对模型进行更精细化的管理 ——直观查看模型每次训练的收敛程度、准确率、对于硬件相关的消耗等。同时，模型也能够一键部署为 Restful API 在实际场景中使用与验证模型的效果。

此外，在计算引擎方面，ModelWhale也进行了升级，其离线训练可支持单机CPU实例、单机GPU实例以及分布式GPU集群，其中GPU集群使用的 Horovod 架构可以显著分散网络传输的压力，且随着集群的规模增大性能线性增加，令训练时长大幅减少。

考虑到和鲸社区中这些核心用户的需求，ModelWhale也针对多样化应用场景打造出不同的模块，例如研究课题、课程作业、比赛、社区中资源库等，都可以随意调动使用，以模块化、产品化的方式改造工作流，让一切都可集成在ModelWhale中。

ModelWhale 在这个版本中也增加了对 Julia 语言的支持，另外，为了方便程序员在长时间进行代码工作时降低视觉疲劳，ModelWhale也特别发布了暗夜模式，为用户提供更为舒适的使用体验。

全新的面貌，更大的潜能

ModelWhale，即 Model 与 Whale 的组合。Model 一词具有两层深刻含义：首先，作为一款建模工具，Model（模型）展现出 ModelWhale 可承载多样化的强大功能，帮助用户在数据科学模型的全生命周期去提升效率，从专业性的角度很好的阐释了产品属性；另外，Model（模范）又强调了 ModelWhale 一直以来的目标——打造一款服务全球数据科学人才的标杆产品，进一步加深市场定位。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!