实战AI智能体

如果用户的数据库不支持内置机器学习，那么他们可以使用MindsDB。对于非常大的数据集来说，理想的情况是在存储数据的地方建立模型，这样就不需要大量的数据传输。如果拥有大量数据，且需要为采样子集选择适当的模型，那么内置机器学习ML数据库，以及支持MindsDB的其他数据库都可以帮助用户为完整的数据集构建模型，并且不需要担心因数据导出导致费用严重超支。用户可以将模型另存为数据库表，然后从已保存模型专用的SQL SELECT语句、MindsDB Studio或Python API调用中调用它们。

Auto-Sklearn，在2015年由德国图宾根大学的研究人员提出的，最初的版本于2016年发布。Auto-Sklearn是一款基于Python的自动机器学习工具，可以自动进行机器学习的各个步骤，包括特征选择、特征预处理、算法选择和超参数优化等。Auto-Sklearn使用了贝叶斯优化的方法进行超参数优化，可以在较短的时间内找到最优的超参数组合，从而得到更好的模型性能。性能好：auto-sklearn使用贝叶斯优化技术进行超参数优化，能够在短时间内找到最优的超参数组合，从而得到更好的模型性能。

Auto-sklearn 提供了开箱即用的监督型自动机器学习。从名字可以看出，auto-sklearn 是基于机器学习库 scikit-learn 构建的，可为新的数据集自动搜索学习算法，并优化其超参数。因此，它将机器学习使用者从繁琐的任务中解放出来，使其有更多时间专注于实际问题。类的实例，将其拟合到数据集上，仅此而已。然后可以使用生成的模型直接进行预测或保存到文件（使用pickle）以供以后使用。根据预测任务的不同，是分类还是回归，可以创建和配置 AutoSklearnClassifier。

给定训练数据集 和从与之具有相同数据分布中得出的测试数据集 的特征向量 ，以及资源预算 和损失度量 ，AutoML 问题是自动生成测试集的预测值 ，而 给出了 AutoML 问题的解 的损失值。自动化机器学习AutoML 是机器学习中一个相对较新的领域，它主要将机器学习中所有耗时过程自动化，如数据预处理、最佳算法选择、超参数调整等，这样可节约大量时间在建立机器学习模型过程中。使用过 sklearn 的话，对于上面定义应该不难理解。AutoML，是为数据集发现数据转换、模型和模型配置的最佳性能管道的过程。

这种通过元学习的方法可以称为热启动优化方法。Auto-Sklearn 的好处在于，除了发现为数据集执行的数据预处理和模型之外，它还能够从在类似数据集上表现良好的模型中学习，并能够自动创建性能最佳的集合作为优化过程的一部分发现的模型。这个我们称之为 AUTO-SKLEARN 的系统通过自动考虑过去在类似数据集上的表现，并通过在优化期间评估的模型构建集成，改进了现有的 AutoML 方法。是改进了一般的 AutoML 方法，自动机器学习框架采用贝叶斯超参数优化方法，有效地发现给定数据集的性能最佳的模型管道。

上图 2 个 evaluations 黑点和一个红色 evaluations，是三次评估后显示替代模型的初始值估计，会影响下一个点的选择，穿过这三个点的曲线可以画出非常多条。只有三个点，拟合的效果稍差，黑点越多，黑色实线和黑色虚线之间的区域就越小，误差越小，代理模型越接近真实模型的目标函数。贝叶斯优化的原理是利用现有的样本在优化目标函数中的表现，构建一个后验模型。上图是在一个简单的 1D 问题上应用贝叶斯优化的实验图，这些图显示了在经过四次迭代后，高斯过程对目标函数的近似。

将数据表上传到您选择的平台（如 Jupyter Notebook、Web 应用程序等），并使用适当的方法展示预测结果。AutoSklearn 是一个自动化机器学习工具，可以根据提供的数据集自动构建和优化机器学习模型。将关系数据表转换为 pandas DataFrame，并将其存储为变量。使用 AutoML 对象来构建预测模型。这里可以设置一些参数，例如时间限制、并行计算等。将数据分为训练集和测试集，用于训练和评估预测模型。根据数据表的特点，进行必要的特征工程和数据预处理。

MindsDB利用AI-table的概念将机器学习引入现有的SQL数据库。AI表将机器学习模型集成为数据库中的虚拟表，创建预测，并可以使用简单的SQL语句进行查询。几乎可以立即在数据库中直接进行时间序列、回归和分类预测。

只有企业实现了盈利，才能更好地满足客户需求、提高员工福利、履行社会责任，形成良性经营循环。因此，企业在经营过程中需要制定有效的经营策略、业绩目标，同时不断优化管理流程、把控项目进度和成本，才能确保企业能够实现盈利并持续发展。而以上种种，统统离不开“数据支持”。及时的、精准的数据分析能助力企业精准决策，少走弯路。

等类似常用的BI分析能力全部内置在工具里面，不需要企业配置专门的BI人员，写复杂的SQL逻辑，就可以快速实现各种数据维度的分析展现。WinPlan经营大脑是杭州数利得科技有限公司打造的一款面向中小企业的数据分析和经营管理的工具，在这个工具上可以自定义搭建面向。等安全能力，对于报表多维度增删改查不同操作权限的需求，WinPlan也提供了精准管理的产品能力，让报表可以做到。针对市场现存的企业经营管理难题，提供一站式解决方案，助力企业经营管理转型，快速实现数据分析。1.根据业务情况，提前规划和调度资金。

基于WinPlan垂直大模型构建企业自助经营决策系统，精准预测，科学决策，助力企业赢得未来！

基于WinPlan垂直大模型构建企业自助经营决策系统，精准预测，科学决策，助力企业赢得未来！

基于WinPlan垂直大模型构建企业自助经营决策系统，精准预测，科学决策，助力企业赢得未来！

创建实例，formInstList参数超过表单长度。更新实例时 不存在相应实例 请确认schemaId。创建实例，formInstList中缺少必填参数。创建Tree维度实例时，父节点实例不存在。更新维度Tree实例时 不存在相应实例。当前实例已被其他表单引用无法删除。当前表单不可用处于停用状态。序列号，表单实例唯一编码。WinPlan垂直大模型。可以仅传递部分请求参数。更新实例 不可更新序列号。WinPlan决策系统。不存在生效的业务表单。表单实例删除错误提心。不存在相应的维度实例。

由于各模块API需要授权码进行身份验证，因此在调用模块API之前需要通过API-TOKEN获取授权码，在授权码有效期内同一个apiToken获取的授权码相同。即API访问凭证， 是用户在调用API接口时的应用和组织身份凭证，请妥善保管。请求URL: https://open.shulead.com/api/xxxxxx。请求URL: https://open.shulead.com/auth。业务错误信息,当hasSuccess为false时有值。业务错误码，当hasSuccess为false时有值。

展示设置的角色，及对应的成员及权限点。角色、成员、权限点可自由配置；管理员的角色不可删除、权限点默认全部不可更改。钉钉管理员开通应用后默认成为系统管理员，其他管理员需要自行添加。展示钉钉侧授权的组织架构及人员名单。WinPlan垂直大模型。

WinPlan垂直大模型。

WinPlan作为一款领先的市场预测和决策制定软件，以“预测先机，决策未来”为口号，为企业提供了强大的预测和决策支持。通过WinPlan的市场预测和决策制定功能，企业能够准确把握市场趋势和未来发展，制定科学的决策方案，提高市场竞争力、优化资源配置和提高决策成功率。WinPlan作为一款领先的市场预测和决策制定软件，以“预测先机，决策未来”为宗旨，为企业提供了强大的预测和决策支持。通过WinPlan的市场预测和决策制定功能，企业能够制定更加科学、准确的决策方案，提高决策的成功率。WINPLAN经营大脑。

随着科技的不断发展，企业经营面临着越来越多的挑战。在这个竞争激烈的时代，如何利用先进的技术手段提升企业的竞争力，成为了每个企业家和管理者关注的焦点。WinPlan经营大脑作为一款集算力、框架、模型和应用于一体的决策系统，正是为了帮助企业实现科学决策、精准预测和赢得未来的愿景而诞生的。

李雪晴 亚马逊云人工智能产品架构师本次分享将着眼基于亚马逊云科技产品如何构建端到端的 GenAI 应用：GenAI 有哪些主流场景？无服务器和私有化部署如何选择？AI Agent 有哪些落地实践？如何在保证灵活扩展的前提下优化成本？沈亮 Zilliz 资深解决方案架构师本次分享将重点介绍向量数据库的基本概念和功能，以及如何评判向量数据库的性能，最后将介绍向量数据库在电商领域的典型应用场景。

我们使用 LangChain 中的 ConversationalRetrievalChain 作为核心模块，LangChain 替我们处理了和 Memory 打交道并且从向量数据库中召回文档的细节，使得我们在开发应用的过程中无需关注它们的实现：首先，LangChain 会将聊天历史（这里是从提供的 Memory 中检索的）与当前问题合并，形成一个独立的问题；我们将使用这个模型来为文档块生成词向量。成本更低：与OpenAI的LLM服务相比，私有化的LLM允许用户在定制化的基础上，用更小的模型达到相似的效果。

在配置沙盘卡片时，不需要选择具体数据采集表单或预算编制表单，只需要选择指标及维度即可，同时跨表单的指标也可以多选后配置在一个沙盘卡片。指标是每个图表必须要选择的元素，可选择全部指标的实际值（来源于数据采集表）、或预算值（来源于预算表）、或完成率（公式=实际值/预算值），其中高级指标的实际值是基于基础指标的实际值自动计算得出。维度是除指标卡以外其他图表的必须选择的要素，本质是基于什么维度来分析指标数据，比如柱状图选择日期维度-最近7天，就是看最近7天的指标趋势，日期维度就体现在柱状图的横轴上。

聚合方式是针对Excel里的一条记录需要多行的情况，比如销售订单，一个订单有多个产品明细，一条订单记录在Excel里有多行，那就需要设置聚合方式。本系统的批量导入支持选择任意相关的Excel，映射到数据采集模版的各列，即可实现批量导入；相关Excel可以是自行维护的相关数据、或从其他业务系统导出的数据，只要确保该Excel包含数据采集模版里配置的数据。Excel数据映射后，全部行的数据会基于编码的唯一校验判断是新增、更新，如果之前已经导入过该编码数据，则提示更新；WinPlan垂直大模型。

同个采集表单可支持配置多个指标，同时一个表单里也会有多个维度，所以需要设置指标和维度的关联关系，如果是维度单选默认关联，如果是维度多选需要选择某个字段关联。比如销售额、销售量的指标都关联了客户、产品维度，采集数据时录入销售额100、销售量10、客户：A、产品：X，那么系统就会存储这样的数据组合，当你在沙盘分析A客户的销售额/销售量时，就可以得出相关数据。如果原本就有编码规则，比如合同订单：客户在自有CRM里就有编码规则，在本系统只是导入数据的诉求，则无需勾选严格模型，用户在提交数据时直接修改覆盖。

本系统的预算编制支持基于指标、维度来创建预算编制模版，创建模版后分配对应人员来录入数据；其中可根据不同业务诉求，创建不同模版，每个预算模版支持多维度多层级交叉展示。预算编制时面向企业经营管理场景，创建各个业务单位的目标，包括销售目标、财务目标、人事目标等，实现各个业务单元之间的目标协同，将公司的战略目标做有效拆解。预算模版创建后支持编辑、移动、停用；停用后可删除，删除后全部预算数据都会被清除。预算编制按模版来手动填写或批量导入。2、填写预算模版的基础信息。WinPlan垂直大模型。

注：为什么选择销售额、或合同额的时候会出现下级指标，这个是因为在业务表单上创建了关联关系，用于表示某个时间段内所有合同额关联的回款额，和某段时间段所有回款额，在同一数据口径上是两个。1）停用：维度停用后，不会出现在维度左侧列，用户无法添加维度数据、其他依赖场景不生效，比如数据采集的业务表单设计、经营沙盘的维度筛选中，都无法选择该维度。2）删除：维度删除后，会将该维度的全部数据清除，比如产品维度停用并删除后，全部产品数据，包括产品类别、产品名等数据将会被全部清空，经营沙盘等数据报表侧也将无法展示对应数据。

企业经营分析的维度多种多样，有产品、客户、项目、区域等销售类维度，也有收入类别、费用类别、分公司等财务类维度，不同的维度有共性的特点、也有差异化的地方，共性的特点是所有维度在数据建模领域都是多层级的树状结构；2、自定义维度：适用于复杂的维度场景，不仅需要配置多层级分类，还需要自定义配置除维度名称外的其他信息，比如产品维度，除分类、名称外，还需要配置销售价、成本价、规格等。针对需要分类的维度，可添加维度分类控件，比如产品、物料等，一个维度最多仅添加一个分类，分类的具体内容在创建维度模版后可录入，见如下图。

WinPlan垂直大模型。

WinPlan并基于垂直大模型提供智能分析和预测能力，帮助解决企业管理层经营决策问题。

WinPlan作为一款经营决策产品，通过提供通用数据底座和垂直大模型分析功能，能够有效解决企业管理层经营决策问题，提高决策效率和准确性

基于WinPlan垂直大模型，构建企业自助经营决策系统，辅助企业管理层分析和预测。准确度可达98%