产品定义
DataCanvas APS是面向数据科学团队的一站式数据分析平台，它是集数据准备、特征工程、算法实现、模型开发、模型发布、模型生产化管理于一体的机器学习平台，能够帮助企业快速构建数据分析应用。
产品优势
灵活、易用的企业级数据科学平台，加速从探索到生产落地的数据科学服务：
异构多引擎融合架构
灵活计算环境支持
APS平台功能基于Docker实现容器化封装，底层计算资源支持APS集群、Hadoop集群和GPU集群等多种模式，实现合理的计算资源利用。
数据抽象
通过序列化和反序列化完成模块之间数据交换，支持实现单机和分布式数据格式转换、不同语言之间数据转换、不同存储介质之间数据转换。
工作流混合编排
平台算子封装支持多语言模式，允许在同一个工作流中调用不同开发语言算子，同时支持工作流程嵌套，提升灵活性和复用性。
开放性算法支持
开箱即用“白盒”算法库
内置100多种算法模型，包括企业常用的统计分析、机器学习、深度学习算法，面向数据分析应用提供基础算法支持。
自定义算法
集成Web IDE环境，支持R、Python、Scala等常用数据分析语言，基于Docker技术实现算子的灵活封装、集成，并支持发布到已有算法库中。
开源机器学习/深度学习库集成
集成多种机器学习引擎（Tensorflow、Caffee、H2O等）并可开展协同工作。
支持大数据分析
全量数据处理
无缝集成Hadoop集群，利用Spark分布式内存计算提供强大的计算能力，实现全量数据分析。
实时数据处理
模型生产化，支持与实时流计算平台（RT）的无缝集成，实现模型结果数据在生产系统的实时消费。
工程化能力
模型生产全流程覆盖
平台提供的算子模块包括数据准备、特征工程、模型训练、模型评估、模型对比、模型发布，涵盖模型生产的标准流程，实现图形化、拖拽式工程建模。
Auto ML
通过配置目标实现自动化建模，支持自动算法选择、自动超参数优化、自动模型评估、自动模型选择。
模型生命周期管理
通过模型仓库模块实现对模型的版本管理，支持基于版本的模型生产上线、生产下线以及模型删除等操作。
DevOps支持
Docker微服务
平台提供的算子及生产的模型以运行在Docker容器内的微服务形式自动发布，实现与现有环境的融合以及功能复用。
持续交付
一站式完成模型开发、调试、测试以及生产上线的各流程，实现持续集成、持续交付。
自动更新
基于平台的工程化能力实现模型定期优化、自动更新。
团队协作
协作开发
支持团队不同角色（专家级数据科学家、数据分析师、编码人员、业务人员）成员之间协同开发，提升开发效率。
知识共享
支持模块共享，避免重复性工作。
产品特点
一站式数据科学平台服务，实现模型在企业生产系统快速落地：
一站式服务
集成可视化配置建模与IDE自定义编码环境，一站式完成数据科学应用从设计到生产的全部环节，适应数据应用快节奏的开发要求。
简化数据准备
支持多种数据连接器，轻松获取各类数据源的数据，包括本地数据、关系型数据库的数据、Hadoop大数据平台数据（HDFS、Hive等）。
降低大数据处理复杂性
APS支持分布式任务，可自动完成Hadoop、Spark的环境调用和任务分发执行，对使用者屏蔽了大数据技术组件的复杂性，使数据分析人员轻松获得大数据处理能力。
可扩展、可重用的模块库
基于Docker容器的自定义模块封装发布，一次编程，多处使用，可积累的模块库成为公司重要的智力资产，提升新模型的开发效率。
方便快速地创建模型
使用容器技术实现模块封装、调用，实现拖拽式建模工作流设计，提升建模效率。
易用的自动建模
通过界面配置基础数据和业务目标，实现一键式建模，自动完成算法建模、模型评估、模型选择，降低建模门槛。
自动模型生产发布
自动选择最优模型，实现自动模型发布功能，面向生产系统提供标准REST API调用服务。
多方位安全保障
企业私有环境部署，确保环境安全；面向用户、角色、工作空间的多层级访问控制，保障数据安全；用户的访问、编辑、操作等任何行为都可追溯，实现责任认定。
多维度可靠性支撑
平台服务采用负载均衡和高可用设计；完善的容灾备份机制，提供数据的备份与恢复方案，以及针对异常情况的自动化处理。
自动化运维
自动部署，支持根据需求动态调整集群规模；自动化调度，支持定时或周期性的执行方式；全局监控，及时了解调度执行情况。
