工作流程和模块介绍
工作流程
了解小波AI的体系结构和工作流程。 下图显示使用平台时的常规工作流：
机器学习模型工作流通常遵循以下顺序：
数据
在系统中 上传 模型所需的数据文件，支持文档、图片、视频等多种格式。 对于需要标注的数据，可以在系统中进行数据 标注 的任务，系统可以自动打包标注数据到标准数据格式，用于后期的模型训练。
模型
在Git仓库中，用Python、R、Java等进行算法开发，建立模型。
将脚本提交到配置的计算目标，以便在该环境中运行。在 训练 过程中，脚本可以从数据存储读取或向其写入。 在训练过程中生成的日志和输出保存为运行于工作区中并在试验下分组。监视已部署模型的训练数据集与推理数据之间的数据偏移。 必要时，循环回到步骤 1，以使用新的训练数据重新训练模型。
找到满意的运行后，在模型库中 打包 注册持久化模型。
查询实验记录，了解当前和过去的运行中已记录的指标。 并可以临时启动模型，直接进行模型 校验，直观查看结果。如果指标未指示所需结果，请循环回到步骤 1 并循环访问脚本。
服务
将注册后的模型，选择版本直接 发布，部署为云端的 Web 服务，或这可以选择 下载 模型文件，部署到你所需的 IoT Edge 设备。
公开 你的模型，可以在AI市场上架你的模型。
模块说明
AI平台提供了丰富的模块功能，使得数据工厂师，数据科学家，机器学习工程师以及应用开发人员，都可以借助平台领先的ML-DevOps的能力，进行团队协作和应用的快速迭代。