Qeexo AutoML平台通用版发布 加速TinyML在边缘终端部署

6月9日消息，自动化机器学习平台开发商Qeexo公司今天正式发布使用AWS服务的QeexoAutoML平台通用版，这一产品能够加速TinyML在边缘/终端的部署。

QeexoCEOSangWonLee表示：“我们非常高兴能够发布QeexoAutoML通用版，作为托管在AWS上的一款网络应用。对于所有的用户来说，不管是新手，还是数据科学家，有了直观的端到端工作流，以及轻松的在线访问方式，QeexoAutoML将会极大地提升TinyML模型开发以及部署的便捷性。”

从今天开始，用户就可以注册登录QeexoAutoML通用版平台，铜牌会员可以上传或采集数据集，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。目前铜牌会员为限时免费的状态。

“QeexoAutoML目前已经提供了高级控制功能，新的机器学习算法，以及对多个新硬件平台的支持，这些会为TinyML开发者们提供更高的灵活性。”Lee补充道。

新的主要功能包括：创建模型时，在数据记录完成之后可以人工选择传感器以及传感器数据特征；可视化的类的可分离性；使用可视化和敏感性分析进行分类敏感性的微调；以及针对神经网络参数的配置，包括量化意识训练。这些新的功能让用户可以创建预测性维护解决方案来监测工业化机器的异常；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；以及其他基于机器学习的算法可以为有传感器的智能物联网设备服务。

重大的模型升级也同时发布，包括：适用于工业化应用中异常检测的分类器，以及在目前已有多种算法，包括ANN（人工神经网络）,CNN（卷积神经网络）,GBM（梯度提升机）,XGBoost（极限梯度提升树），RandomForest（随机森林），LogisticRegression（逻辑回归）和DecisionTree（决策树）的情况下，增加了支持RNN（循环神经网络）的算法，IsolationForest（孤立森林），和LocalOutlierFactor（局部异常因子）。QeexoAutoML支持传感器数据采集和可视化，自动创建模型，以及一键部署到以下硬件平台：ArduinoNano33BLESense,瑞萨电子的RA6M3MLSensorModule,意法半导体的STWINKT1和SensorTile.box。

Qeexo奇手公司诞生于卡内基梅隆大学，总部位于山景城，并在匹茨堡，上海和北京设立了办公室，公司目前已经获得风险投资。

Qeexo公司是第一家针对嵌入式边缘设备（CortexM0到M4级别）推出自动化端到端机器学习的公司。作为一个一键式全自动化的平台，QeexoAutoML让用户可以利用传感器数据，为高度受限的环境快速创建机器学习解决方案，例如，移动，物联网，可穿戴，汽车等领域的应用。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。