Qeexo AutoML平台通用版发布 加速TinyML在边缘终端部署

本篇文章1109字，读完约3分钟

[TechWeb]6月9日，自动机器学习平台的开发者qeexo今天正式发布了使用aws服务的qeexoautoml平台的通用版本。该产品可以加速tinyml在边缘/终端的部署。

Qeexoceosangwonlee说:我们很高兴发布qeexoautoml作为一个在aws上托管的网络应用程序。对于所有用户来说，无论他们是新手还是数据科学家，qeexoautoml通过直观的端到端工作流和方便的在线访问，将极大地提高tinyml模型开发和部署的便利性。

从今天起，用户可以注册和登录qeexoautoml Universal Edition平台，铜牌会员可以上传或收集数据集，自动创建轻量级机器学习模型，并在选定的嵌入式硬件平台上部署和测试它们。目前，铜牌会员有一段时间是免费的。

Qeexoautoml提供了先进的控制功能、新的机器学习算法和对几个新硬件平台的支持，这将为tinyml开发人员提供更高的灵活性。李补充道。

新的主要功能包括:创建模型时，可以在数据记录完成后手动选择传感器和传感器数据特征；视觉类的可分性；使用可视化和灵敏度分析来微调分类灵敏度；和神经网络参数的配置，包括定量意识训练。这些新功能允许用户创建预测性维护解决方案，以监控工业机器的异常情况；手势和情境感知算法可以为健身追踪器和老年护理行业提供消费者/可穿戴产品案例；其他基于机器学习的算法可以为带有传感器的智能物联网设备服务。

同时还发布了主要的模型升级，包括:适用于工业应用中异常检测的分类器，以及许多现有算法，包括ann(人工神经网络)、cnn(卷积神经网络)、gbm(梯度提升)、xgboost(极端梯度提升树)、randomforest(随机森林)，在物流分离和决策树的情况下，增加了支持rnn、isolationforest和localoutlierfactor的算法。Qeexoautoml支持传感器数据收集和可视化、自动模型创建以及一键部署到以下硬件平台:arduinonano33blesense、Reza Electronics的ra6m3mlsensormodule、stmicroelectronics的stwinkt1和sensortile.box。

Qeexo出生于总部位于山景城的卡内基梅隆大学，并在匹兹堡、上海和北京设立了办事处。该公司目前已获得风险投资。

Qeexo是第一家为嵌入式边缘设备(cortexm0至m4级)引入自动化端到端机器学习的公司。作为一个一键式全自动平台，qeexoautoml允许用户使用传感器数据，为高度受限的环境快速创建机器学习解决方案，如移动、物联网、可穿戴、汽车和其他应用。

来源：搜狐微门户