腾讯云-智能钛机器学习平台白皮书

智能钛机器学习平台产品简介产品文档【版权声明】©2013-2019 腾讯云版权所有本文档著作权归腾讯云单独所有，未经腾讯云事先书面许可，任何主体不得以任何形式复制、修改、抄袭、传播全部或部分本文档内容。

【商标声明】及其它腾讯云服务相关的商标均为腾讯云计算（北京）有限责任公司及其关联公司所有。

本文档涉及的第三方主体的商标，依法由权利人所有。

【服务声明】本文档意在向客户介绍腾讯云全部或部分产品、服务的当时的整体概况，部分产品、服务的内容可能有所调整。

您所购买的腾讯云产品、服务的种类、服务标准等应由您与腾讯云之间的商业合同约定，除非双方另有约定，否则，腾讯云对本文档内容不做任何明示或模式的承诺或保证。

文档目录产品简介产品概述客户价值应用场景版本更新产品简介产品概述最近更新时间：2019-11-22 15:34:49什么是 TI-ONE智能钛机器学习平台（TI-ONE）是为 AI 工程师打造的一站式机器学习服务平台，为用户提供从数据预处理、模型构建、模型训练、模型评估到模型服务的全流程开发及部署支持。

智能钛机器学习平台内置丰富的算法组件，支持多种算法框架，满足多种 AI 应用场景的需求。

如何使用 TI-ONE智能钛机器学习支持多样化的交互方式，以便满足各类用户的不同使用习惯。

可视化建模：拖拽式自定义任务流交互设计，帮助 AI 初学者及企业内算法工程师快速上手。

Notebook：Notebook 是一个灵活的交互式开发工具，为算法工程师提供数据处理、算法调试与模型训练等支持。

如果您是智能钛机器学习平台的新用户，我们建议您按照文档顺序阅读。

快速入门：在这里您可以快速了解 TI-ONE 的基本操作。

最佳实践：数十个实践案例手把手带您体验在智能钛平台上使用多种算法、框架建模的全流程。

操作指南：在这里您可以了解更多智能钛的操作指引和功能特性。

常见问题：帮您解决使用过程中遇到的常见问题。

TI-ONE 定价智能钛机器学习平台目前处于试运营阶段限时0折，您只需在使用平台前，开通所需地区的后付费服务即可开始使用。

2017年10月一、广告投放环境现状根据CNNIC统计，截至 2017 年 6 月，我国手机网民规模达 7.24 亿，网民中使用手机上网的比例提升至 96.3%，手机上网比例持续提升。

同时，各类手机应用的用户规模不断上升，场景更加丰富。

在移动互联网蓬勃发展的大背景下，抢夺优质流量、抢占目标用户，成为各广告主不惜重金大力推广的目标。

根据emarketer预测，国内数字广告营销费用将从2016年的404亿美元上升到2020年的836亿美元。

在如此广大的市场容量下，不少不法份子想通过歪门邪道，在庞大的数字广告市场中分一杯羹。

于是，广告黑产就如同幽灵一般，始终围绕着广告主和媒体。

经过多年的发展，黑产已经形成相当完善的产业链。

图1 黑产产业链如图1所示，位于产业链顶端的是黑产解决方案提供商。

在这样的公司里，有专门负责研究模型研究破解方式的分析人员，有专职的软件开发人员，有专职的反作弊信息收集的人员，也有负责把刷量软件、脚本分发到市场上的市场的运营人员。

经过一层或多层黑产代理刷量软件、脚本流到了不同的刷量者手中。

刷量者通过伪造手段帮助获利者制造假数据，并通过包月或者按分发量分成的模式获利。

如图2，造假者只需要极小的代价，就可以方便地购买到假量。

黑产这个庞大的地下产业链，不断吞噬着广告主的投放资金导致广告主的巨额投入没有收到应有的效果。

图2 黑产产业链图3 2017年6-8月中国广告市场大盘作弊流量占比注：数据来源于灯塔稽核服务，含灯塔独自覆盖广告流量、秒针及AdMaster覆盖的安卓侧全量，总校验广告请求3500亿+次为了净化肮脏的广告投放环境，腾讯灯塔通过覆盖的10亿月活终端，持续研发反作弊模型。

根据腾讯灯塔统计，以2017年6-8月之间为例，腾讯灯塔日均校验40亿次+广告请求，识别的作弊比率稳定在15%左右。

在部份行业及campaign中，作弊比例甚至高达60%。

如此高比率的作弊流量，给广告主带来了巨额的损失。

张文杰腾讯云AI平台总经理目录1.智能钛机器学习（TI-ML）2.TI Self-Learning3.TI One4.TI Accelerator5.极速训练强大计算力的一站式机器学习服务平台多产品形态提供差异化机器学习能力形成完整的开发者生态图像识别金融风控智能投研精准推荐其他场景T encent I ntelligence Machine Learning PlatformCPU / GPU / FPGA / ASIC/CVM非算法人员AI算法工程师AI算法专家T encent I ntelligence Machine Learning Platform 全自动、快迭代拖拽式、可视化高性能、轻量级TI O ne TI A ccelerator AI Project场景算法数据TI S elf-Learning低中高低TI S 中TI One 高TI A成本技能公有云服务•按需使用，按量付费•单机多卡、多机多卡•云端数据、定制算法•数据存放限制及监管•多种硬件定制选型•私有云到公有云无缝迁移私有化一体机TI Self-Learning 无需算法知识的机器学习平台TI S 如何解决行业需求业界痛点•非AI 专业人员，有AI 业务场景•AI 算法人员稀少、代价高•模型选择：NAS 、神经进化•自动调参：Hyper Learning 、Learning2learn•Transfer Learning 迁移学习•不懂算法，也能做模型，享受AI 能力•真正降低AI 门槛、AI 平民化01提供多个场景自动建模能力02提供深度定制功能优于业界效果03模型算法无需人工调参04模型结果更加简单，易于部署TI One 一站式机器学习平台TI O业界痛点我们提供行业需求•难以快速入门机器学习•需要构建机器学习基础设施•缺乏模型构建能力•快速上手、教学容易•提供算法模型•操作可视化、拖拉拽式任务流•大量现成算法模型、算法结果具象化•灵活可自定义一站式机器学习平台拖拽式任务流设计运行模式灵活支持10+机器学习框架100+机器学习算法效果可视化强大的团队协作和分享TI One 的6个特点TI ONE 自建框架算法模型评估协作实时动态可视化评估手工编写画图脚本模型训练和使用脱节；选取最优模型、使用模型都要手动开发模型训练与预测无缝衔接，可多流程复用模型自动更新，异常迅速告警拖拽式界面，合理的算法参数设置一键多种参数组合调优批量可视化评估，结果一目了然一键集成，开箱即用大量样本数据集及开发人员进行算法设计和参数调优，记录每次训练结果框架重复繁琐的步骤从头到尾搭建，并专人维护更新多种监控配置，完善告警体系，多次自动重试；发布算法和模型，可控分享粒度和级别监控脚本监控运行的任务，自行发现并处理异常；通过拷贝代码或者git 分享算法TI One 值得选择的理由TI One 的全体验TI A业界痛点我们提供行业需求•大规模训练时间长•计算集群成本高、太复杂•业务规模持续扩大、模型快速更新•轻便快捷的专业机器学习环境•整合常见的算法框架•分布式、高性能、易部署•大算力、高性价比TI A 算法极客的机器学习平台•整合腾讯内部机器学习经验•大规模集群、资源调配、网络调优•框架优化、易用、高性价比方便便捷轻量级高性能多框架选择成本低TI A 的5个优势TI A 的极简体验模型部署及验证创建任务及查询查看任务及日志计算集群分配算力共享实现CPU>40万核, GPU>2000卡自由分配框架性能优化MPI + NCCL + RDMA 数据传输压缩迭代参数压缩、节点极速互连极速训练TI A 业界领先的资源调度•图像分类：>10000类•数据规模：~3千万张图片（3TB ），HDFS 存储•模型：resnet101•机器资源：12台机器96块P40显卡•3倍性能加速，GPU 整体效率超过70%大规模GPU 集群加速提升明显（128块GPU 卡时，提升超过1倍）•节点扩展成本恒定•超大规模GPU 集群（>1000块GPU 卡）TI A 训练加速对比极速训练案例分享。

腾讯云架构工程师认证TCP真题（二）1.单选题人工智能是指通过计算机、生命科学等技术手段使机器具备感知、分析、推理和决策等人工智能的产品和相关服务的总称。

人工智能和机器学习，深度学习，这两个概念关系密切，以下对这三者之间的关系描述正确的是哪一项？ [单选题] *A.人工智能属于机器学习的一个分支B.人工智能、机器学习、和深度学习是三个并行技术C.机器学习和深度学习都属于人工智能的技术(正确答案)D.机器学习是深度学习研究中的一种技术2.单选题数据计算从技术上大致可以划分为离线计算和实时流式计算两种，以下选项中属于离线计算解决方案的是哪一个？ [单选题] *SparkstreamingMapReduce(正确答案)FlinkStorm答案解析：答案解析：B其他都是支持流计算3.多选题云原生架构涉及众多技术，包括：容器化、微服务、DevOps等等，以下哪些选项属于微服务架构的主流框架？( )Spring cloud(正确答案)MapReduceFlinkService Mesh(正确答案)答案解析：答案：AD，Spring Cloud和ServiceMesh是微服务的主流框架，其中SC仅支持Java，SM支持跨语言。

4.单选题某电商企业的元IT架构是传统耦合架构，在传统耦合架构中，客户在电商网站中下订单购买一台手机，订单系统接收到请求后，立即调用系统库存接口，库存减一。

但这种模式存在库存压力大，库存系统无法访问则订单失败等等风险。

因此，该企业决定更改应用架构以应对高峰流量。

如下图所示，通过消息服务队列将系统解耦。

以下选项中，对该架构描述正确的是哪一项？( )[单选题] *CMQ提供同步的通信协议。

让库存系统和订单系统能够同时工作，互不影响，实现系统解耦在新的应用架构下，订单系统写入CMQ消息队列后，需要等待库存系统响应，才能进行完成订单在新的应用架构下，用户在下单时库存系统宕机，也不影响正常下单，订单系统写入CMQ消息队列后，无需关心其他后续操作，实现订单系统和库存系统的应用解耦。

左手 AMD，右手英特尔腾讯云如何给算力做加法？作者：暂无来源：《计算机世界》 2020年第37期AMD重返数据中心市场，虽然不能立刻扭转英特尔一家独大的势头，但是越来越多的云厂商开始视AMD为产品线性价比的重要补充，腾讯云就是一个很好的例子，在自研服务器星星海上，腾讯云同时规划了基于AMD和英特尔的产品路线。

作者张帅云计算行业的竞争以算力为先，无论上层应用如何演化，算力的基础底座属性不变，头部云厂商往往更加重视平衡算力层的效率与成本，当规模足够大，万分之一的优化也能带来巨大的效益，云计算做的恰恰是规模生意。

2020腾讯全球数字生态大会期间，腾讯云计算力产品能力矩阵首次集中亮相。

与此同时，腾讯自研星星海系列服务器产品路线愈发清晰，左手AMD，右手英特尔，腾讯云正在给自己的算力做加法。

左手AMD，最“激进”的云厂商《计算机世界》了解到，腾讯云可以说是拥抱AMD最“激进”的云厂商，不过这种情况正在改变。

腾讯云云服务器副总经理李力表示，其他云厂商逐渐发现“激进”是一个明智的选择，业界开始更多采用AMD处理器。

腾讯云于2017年与AMD深度合作，当时AMD还是Naples架构。

随着客户需求趋向于多样化，腾讯云希望对外售卖的服务器在标准化的情况下，给客户更多的选择，彼时AMD重返服务器市场，腾讯云在技术和产品层面对其进行评估，AMD本身在设计上也有一些为云计算场景的专门优化，至少在设计及需求功能的匹配上，AMD还是合格的。

于是腾讯云引入AMD处理器作为产品的补充，毕竟AMD不是数据中心的主流玩家，在初期，AMD的市场推广出现了一些困难，比如来自用户的质疑，腾讯云选择中小型用户或者对成本敏感的用户入手，来推动AMD云服务器的采用，由于性价比优势突出，因此基于AMD的云服务器上量较快。

到了AMD的Rome架构时代，腾讯云在星星海自研服务器深度与AMD的Rome平台绑定，并且和AMD一起定义了腾讯云自己的AMD芯片。