当今使用机器学习探索行业规律的做法已是各行业的共识，机器学习对历史业务数据具有出色的拟合能力，探索到的规律可直接被创新业务调用，落地成智能化业务场景。
操作系统作为创新业务运行的基石，其性能与稳定性直接影响业务落地效果。随着国产操作系统的崛起，企业选择操作系统更多元化，因此在智能化业务落地方面存在一定的难度：
机器学习技术门槛高、人才紧缺、团队建设成本高
机器学习场景探索落地周期长、成本高
逸思长天于2022年开始部署信创战略，率先与统信UOS完成全自动持续学习工具产品的兼容适配。
基于良好的合作基础，双方于近期共同打造专业的全自动化持续学习工具体系，覆盖了机器学习建模落地过程中的自动化特征工程、自动化机器学习（模型选择与朝参调优），同时面向生产数据分布不断变化的场景打造持续学习功能，让机器学习模型与时俱进，改善概念漂移问题和灾难性遗忘。
借助本方案，企业客户只需整理数据输入工具，经过短时自动化探索即可得到机器学习模型，快速验证机器学习可达到的精度水平。
若精度水平可以接受，可直接在工具体系中上线为机器学习模型调用API，供业务开发者直接调用，可生成即可交付，大幅提高了智能化业务落地效率，降低智能化业务落地门槛。
1、降低机器学习技术门槛
自有自动化机器学习、自动化特征工程、持续学习等技术，使用户无需具备机器学习编程能力即可探索机器学习场景。
2、降本增效
自动探索机器学习模型解放了工程师人力，优化团队配置，降低机器学习团队成本，提高建模效率。
3、持续学习
面对数据或规律不断变化的场景，本方案的持续学习能力可自动进行模型更新，无需重新建模，更新过程API调用方无感知。
某汽车零部件生产商需要质量检测人员通过听声音的形式判断零部件有无质量问题。依赖人员的形式检测结果不稳定、检测能力不易扩展、管理成本高。行业内供应商尝试解决该问题需要预先添置高昂成本的设备，探索成本高。
通过使用本方案，客户得以直接拟合历史检测数据得到机器学习模型，auc精度可达0.99，所有已知质量问题的部件均被识别，获得高度认可与好评。
关于伙伴
逸思长天在持续学习范式的自动化数据增强、自动化特征工程、自动化机器学习、自动化增量学习、自动化模型更新等有着近10年的深入研究、模式创新和实际落地。逸思长天研发的持续学习、自动建模技术已较为成熟，可极大降低机器学习使用门槛，极大降低机器学习使用成本，极大提升建模效率，让用户低成本搭建机器学习科研及应用场景，让机器学习进入行业普惠时代。
新闻来源：生态中心
编辑审校：市场部
