►点击链接了解更新详情：演示体验、社群咨询、商务采购：
https://docs.qq.com/doc/DVHlkSEtvVXVCdEFo
►点击下方链接一键预约，AllData 开源7周年 X 创业3周年 Meetup 分享！
https://mp.weixin.qq.com/s/K-NynJEdepL3uRfywE0HHQ
当企业内数据分散在多套异构业务系统，口径不统一、质量参差不齐，数据取数难、溯源难，报表与分析反复重复开发，数据价值难以释放？
业务场景：煤矿企业，瓦斯监测、设备运行、人员定位数据分散在多个子系统，数据孤岛严重，做安全态势分析时，需要人工导出多源数据合并整理，数据口径不一致，问题难以溯源。
接下来我们看AllData数据中台通过数据标注平台和机器学习平台两个功能，解决上述业务问题。
一、数据标注平台（LabelStudio）
数据标注平台（LabelStudio）将数据中台原始数据集、标注任务、标注结果资产化全链路一步打通，支持文本、图片、音频、视频多模态人工标注，无需跨工具反复导出导入文件，标注产出可直接回流中台，生成可用于模型训练、AI 治理的数据资产。
LabelStudio项目地址：https://github.com/HumanSignal/label-studio
1、核心功能｜开源内核中台化封装
复用LabelStudio原生标注渲染引擎，完成中台适配层开发，保留完整多模态标注能力，兼容分类、实体抽取、目标检测、分割等标注类型，无需二次改造底层标注编辑器。
（注：文中为UI优化界面设计稿，产品正式上线界面会存在部分差异但功能不变，界面以上线产品为准）
首页概览页面 ：集中展示全部标注项目，直观查看任务进度与完成情况，实现项目总览管控
标注工程详细页面 ：完成标注工程项目创建与原始数据导入，开启标注作业流程
云存储数据源管理页面 ：对接中台对象存储，统一管理标注输入数据源，打通存储与标注平台
标注工程-项目名称创建 ：录入项目基础信息并绑定工作空间，完成标注项目基础元数据创建
标注工程-上传文件创建 ：支持URL、本地上传多途径导入样本数据，对接中台存储实现数据接入
标注工程-模版创建 ：内置多行业多类型标注模板，直接选用模板快速初始化标注项目
标注工程-模板可视化配置 ：可视化配置标签体系与画布参数，自定义标注作业的交互与标签规则
标注工程-模板可视化配置 ：可视化配置标签体系与画布参数，自定义标注作业的交互与标签规则
2、核心功能｜中台数据全链路打通
对接中台数据湖与ODS/DWD数据集，支持Doris、对象存储等数据源直接作为标注输入；标注结果标准化自动回写中台，纳入元数据管理，实现标注数据血缘可追溯，直接供给AI训练与数据治理模块使用。
工程项目页面 ：可视化统计任务完成、质检流转数据，掌握标注任务执行状态
工程项目详细页面 ：基于开源标注内核，提供可视化图像标注画布，完成样本框选、标签编辑与标注任务提交
3、核心功能｜一体化任务与多租户协同
复用中台统一权限与多租户体系，内置任务分片、标注-质检流转、版本快照能力，实现人员分配、工作量统计、标注版本回滚，同时对外提供开放API，可对接AI 训练、模型评估等上层平台。
租户人员管理主页面 ：统一管理租户内全部成员，查看成员所属标注项目，实现团队人员集中管控
API令牌设置弹窗页面 ：配置API访问令牌，开放平台接口能力，支撑外部系统对接调用
邀请成员弹窗页面 ：通过邀请链接快速添加租户成员，实现多租户团队人员快速加入协作
二、机器学习平台（CubeStudio）
机器学习算法平台（CubeStudio）是AllData数据中台面向AI建模场景的一站式MLOps开发平台，打通数据准备 --- 代码开发 --- 模型训练 --- 超参调优 --- 模型部署推理全流程；
支持可视化流水线编排、Notebook在线编码、多AI框架兼容、GPU/CPU算力调度、多租户项目隔离、模型资产统一管理，降低算法开发落地门槛，支撑预测分析、特征挖掘、AI模型训练与服务发布，解决AI项目开发流程零散、模型难管理、上线部署复杂、算力资源不好管控的痛点。
Cube-Studio开源项目：https://github.com/tencentmusic/cube-studio
Cube-Studio官方文档：https://github.com/tencentmusic/cube-studio/wiki
1、核心功能 ｜ AI全流程可视化流水线开发与实验管理
提供可视化拖拽式任务流水线编排，集成Notebook开发、AutoML超参搜索、定时调度，一站式完成从数据处理到模型训练的实验开发，实现AI实验可编排、可复现、可调度。
✅️可视化画布拖拽编排任务流，支持数据导入、数据预处理、算法训练、模型评估全流程节点配置，无需复杂脚本即可组装AI实验流程。
✅️ 内置Notebook在线开发环境，支持Python代码调试；支持AutoML自动超参搜索，自动寻优模型参数，降低调参工作量。
✅️ 支持任务流定时调度，自动执行训练任务；完整保存运行实例、任务日志，实验过程可追溯、可复现。
✅️ 兼容TensorFlow、PyTorch、XGBoost等主流深度学习与机器学习框架，适配不同算法开发需求。
机器学习任务平台页面 ：展示流水线清单、新手模板，快速进入AI实验开发工作区
决策树训练部署流水线样例 ：包含数据导入、处理、训练、评估、部署全节点，直观演示AI全流程画布编排
在线开发-Notebook在线开发页面 ：在线代码开发页面，支持算法人员编写调试Python代码，交互式做数据探索、特征工程、模型实验
模型训练-超参搜索页面 ：超参调优页面，配置搜索策略、参数范围，自动完成模型参数寻优，降低人工调参成本
模型训练-任务模版页面 ：沉淀可复用任务模板，减少重复流程开发，兼容TensorFlow、PyTorch、XGBoost多算法框架
2、核心功能 ｜ 模型资产统一管控与一键推理服务化部署
实现数据集、镜像、模型版本集中资产管理，支持模型一键发布推理服务，搭配多租户、资源监控能力，完成模型从实验环境向生产环境交付落地。
✅️ 统一管理数据集、镜像模板、模型版本资产，记录模型元信息、版本变更，实现模型资产台账化管理。
✅️ 支持模型一键部署为在线推理服务，支持GPU加速，对外提供推理接口，快速把训练好的模型交付业务系统调用。
✅️ 支持项目分组、用户权限隔离，实现多租户资源隔离，不同业务团队项目、数据、模型互相隔离。
✅️ 提供集群算力监控，实时查看CPU、GPU资源占用，实现算力资源统一调度，保障模型训练与推理服务稳定运行。
数据资产-数据集页面 ：集中管理各类图像、文本、语音、机器学习训练数据集，支持数据集新增、详情查看、修改、备份等操作，统一沉淀AI训练数据资产
在线开发-镜像仓库页面 ：统一维护训练推理镜像仓库连接信息，支持新增、查询、编辑与删除仓库，标准化AI运行环境资产
项目空间-项目分组页面 ：多租户项目空间，做业务项目隔离，实现团队之间数据、模型、任务资源隔离
项目空间-用户管理页面 ：项目内用户新增、角色权限配置，管控项目访问权限
服务化-模型管理页面 ：模型版本资产台账，录入、维护模型元数据、版本信息，实现模型资产统一归档管理
模型管理修改页面 ：维护模型版本、文件地址、训练与推理框架等元信息，实现模型资产信息登记与版本管理
2大功能核心定位与场景选型
1、数据标注平台（LabelStudio）
核心定位：数据标注平台是深度集成于数据中台的多模态数据集生产组件，覆盖样本接入、标注作业、质量校验、数据集版本管理、资产入库全作业链路；
支持多类型标注模板、多源数据接入、可视化标签配置与多人协同作业，统一沉淀AI训练数据集资产，降低高质量数据集制作门槛，实现样本可溯源、数据集可复用、产出物可资产化管理，解决AI项目样本分散、数据来回拷贝流转、数据集难以统一治理的痛点。
适用场景：
存在内部 AI 数据集制作、样本质量管控、数据集资产归档需求，且要求与数据中台体系打通、标注全流程支持追溯审计时推荐选用。
业务场景选型推荐(业务场景列举)：
业务人员/算法标注人员可在平台完成样本导入、标签体系配置、人工标注、样本复核校验，标注完成后的数据集直接输出标准格式，可直接供给AI建模训练使用，适合煤矿、火电、汽车制造、水利、数字政务等行业AI样本生产场景。
集中管理原始业务样本、标签定义、多版本次数据集，留存标注操作记录、质检结果与样本元数据，建立数据集台账与血缘追溯，满足政务、大型集团对AI数据集合规留痕、可审计的管理要求。
支持多角色权限隔离、多人分工标注与交叉质检、多种项目创建模式，独立项目空间做数据隔离，不同业务小组并行生产数据集，规避样本混杂、环境不一致带来的数据风险。
2、机器学习平台（CubeStudio）
核心定位：CubeStudio是内嵌于数据中台的一站式MLOps建模平台，覆盖数据准备、实验开发、模型训练调优、版本管理、推理上线全AI链路；
支持可视化流水线、Notebook、多框架兼容与算力调度，统一管控AI资产，降低AI建模落地成本，实现模型可追溯、可复用、可生产交付，解决AI项目碎片化、上线难、资产难管的问题。
适用场景：
具备自主 AI 建模、模型资产管控、模型服务化上线需求，且需和数据中台深度融合、实验过程可追溯审计时推荐选用。
（注：仅调用外部 AI 接口或只做常规统计分析则不推荐。）
选型推荐(业务场景列举)：
业务人员/算法工程师可在平台完成特征处理、模型训练、超参寻优，训练后的模型一键发布推理服务，对接业务系统，适合火电、煤矿、制造业时序预测场景。
集中管理数据集、镜像环境、模型版本，留存实验日志与模型元数据，实现模型台账、版本追溯，满足政务、大型集团对AI资产规范化、可审计的管理要求。
支持Notebook代码调试、拖拽式流水线编排、定时自动训练，项目空间隔离权限，多算法团队并行开展实验，减少本地开发环境不一致问题。