金山雲和阿里雲入選Forrester機器學習報告
近日，國際知名行業研究與諮詢機構Forrester釋出了《2018 Q4中國預測分析與機器學習解決方案Wave報告》，在Forrester本次釋出的報告中，作為機器學習核心承載體的雲服務領域，僅金山雲和阿里雲兩家入選。
其中，金山雲憑藉前瞻性的研發投入、卓越的技術產品能力和優秀的商業化表現，成功入選報告挑戰者象限。這也是今年以來，金山雲繼深度學習平臺KDL被IDC報告評為最先商用的機器學習平臺、Forrester報告中位居機器學習領域大型玩家之後，再度獲得行業知名研究機構認可。
Forrester：《2018Q4 中國預測分析與機器學習解決方案Wave報告》
先發優勢明顯再獲知名機構認可
當前，人工智慧、大資料等前沿技術炙手可熱，作為大資料與人工智慧的重要基礎技術支撐，預測分析與機器學習在近年來也獲得長足發展，引發了新一輪市場熱潮。Forrester從產品能力、戰略佈局、市場表現3個維度，合計24個子類標準對中國市場最值得關注的9家預測分析與機器學習方案提供商進行評估，釋出了《2018年中國預測分析與機器學習解決方案Wave報告》。
金山雲作為最早推出基於雲端計算的PAML(Predictive Analytics And Machine Learning Solutions)解決方案的廠商之一，在2017年上半年，就領先業界正式推出基於公有云的深度學習服務KDL(Kingsoft Deep Learning)。
通過自主研發的機器學習平臺KML、深度學習平臺KDL等產品，並且打通儲存服務(KS3/KTS/HDFS)、計算服務(MR/SPARK)等，金山云為使用者提供學習訓練所需的資料儲存、計算、分析等全流程AI相關技術支撐，供客戶進行機器學習、深度學習模型開發訓練和模型服務部署，使用者無需進行復雜的模型訓練、引數調整就可獲得影象、語音識別等強大功能，方便使用者構建上層應用。
持續大力投入機器學習成果斐然
作為中國前三的雲服務商，金山雲一直將機器學習作為重要的發展方向，持續加碼AI等相關技術的研發投入，並大力推動產品的商業化落地，推出了各類針對性的解決方案，如直播監控、文字識別、敏感內容檢測等。截止日前，金山雲機器學習平臺KML、深度學習平臺KDL，已經實現了在金融、汽車、政務、安防、教育、工業等多個領域的全面落地。
KML作為金山雲推出的面向大眾市場的通用機器學習平臺，支援所有主流的機器學習演算法，覆蓋迴歸、分類、聚類等演算法型別，同時能夠提供Spark、R、Python、Java等程式介面，全面相容開源社群提供演算法支援，結合Spark叢集提供分散式記憶體計算的強大效能，為使用者提供模型開發、模型訓練、模型部署等一站式機器學習服務。
KDL作為一款面向開發者的深度學習平臺，也是國內雲端計算企業中首個實現商用的人工智慧雲PaaS平臺。平臺以Tensorflow、Caffe、MXNet等主流深度學習框架為基礎，通過與Kubernetes和Docker容器技術相結合，為使用者提供模型開發、模型訓練、模型部署一站式深度學習服務。除訓練服務以外，還開放了多種方式如gRPC，Tensorflow Serving等介面來提供面向預測的服務，使客戶能方便的管理整套服務流程，釋放運維資源，幫助客戶快速接入AI能力。
完善的技術體系構建強大AI能力
金山雲機器學習平臺、深度學習平臺提供基於Notebook和嚮導式建模環境，使用者可以在Notebook中構建自己的機器學習pipeline，通過使用KMR和KBDP提供的豐富大資料元件、產品來進行資料獲取及相關的資料清洗轉換工作。支援的資料來源包括物件儲存、HDFS、流式資料、文字資料等，支援CSV、JSON、HDF5、Feather等主流機器學習資料格式。
在演算法元件方面，平臺包含機器學習、資料預處理、統計分析、特徵工程、深度學習框架、預測與評估等一整套的機器學習演算法元件，支援包括神經網路、隨機森林、GBDT，廣義線性模型、貝葉斯、Xgboost，Kmeans，PCA、SVM，協同過濾等演算法。並通過領域模型平臺、訓練樣本生成平臺、模型評估平臺和離線模型生成平臺四大綜合性技術，幫助客戶快速獲取AI能力。
在領域模型平臺方面，預置業內主流的多種深度學習和機器學習模型，並將自研的OCR、人臉識別等神經網路模型部署在深度學習平臺上，以API的形式開放給外部客戶直接呼叫;在訓練樣本生成平臺方面，主要包括文字圖片生成、人臉圖片生成等，方便使用者批量生成訓練集;在模型評估平臺方面，使用者可以線上提交訓練好的模型和測試集，在控制檯可以觀察到具體的模型準確度結果和進行不同模型的結果對比，方便挑選出效果最好的模型並部署;在離線模型生成平臺方面，對於訓練好的模型可以通過深度學習平臺做線上模型的部署，方便使用者快速將訓練好的模型小型化並部署到終端上。