機器學習是一門多學科交叉專業，涵蓋機率論知識、統計學知識、近似理論知識和複雜演算法知識，它使用電腦作為工具並致力於真實、即時地模擬人類學習方式，並將現有內容進行知識結構劃分來有效提升學習效率。機器學習對研究問題進行模型假設，利用電腦從訓練資料中學習得到模型參數，最後對資料進行預測與分析。它可以在以下一些場景中使用。

機器學習包括傳統機器學習和深度學習，有以下幾種類型：

PAI底層支援多種計算框架：

PAI提供的服務：

PAI依託於阿里雲及阿里巴巴集團多年的應用及技術積累，具備以下多種優勢。

本服務支援單獨或組合使用。支援一站式機器學習，您只需準備好訓練資料（存放到OSS或MaxCompute中），所有建模工作（包括資料上傳、資料預處理、特徵工程、模型訓練、模型評估和模型發佈至離線或線上環境）​​都可以透過PAI實現。

對接DataWorks，支援SQL、UDF、UDAF、MR等多種資料處理方式，彈性高。

產生訓練模型的實驗流程支援DataWorks週期性調度，且調度任務區分生產環境和開發環境，從而實現資料安全隔離。

PAI的演算法都經過阿里巴巴集團大規模業務的沉澱，不僅支援基礎的聚類和迴歸類別演算法，同時也支援文字分析和特徵處理等複雜演算法。

PAI訓練的模型直接儲存在MaxCompute中，可以配合阿里雲的其他產品使用。

PAI支援從資料上傳、資料預處理、特徵工程、模型訓練、模型評估到模型發布的機器學習全流程。

PAI支援TensorFlow、Caffe及MXNet等主流的機器學習架構。

封裝了經典的機器學習演算法，並提供了可視化的建模，其支援使用拖曳的方式來建構機器學習實驗而無需顯式編程。

PAI支援將Designer DSW 產生的訓練模型一鍵式發佈為Restful API接口，實現模型到業務的無縫銜接。

您在使用過程中遇到任何問題，請聯絡您的商務經理來處理，或聯絡相關介面人

基礎資源層（運算資源&基礎設施）：

平台工具層（靈駿智算服務&人工智慧架構）：

應用層（模型服務）：支援模型服務包括ModelScope魔搭社群、PAI-DashScope、第三方MaaS平台和百煉。

業務層（場景化解決方案）：PAI應用於自動駕駛、科研智算、金融風控、智慧推薦等各領域。阿里巴巴集團內部的搜尋系統、推薦系統及金融服務系統等，均依賴PAI進行資料探勘。

名詞 描述 智慧標註（iTAG） 整合智慧能力（黑盒）的資料集標註工具，有效降低標註工作量，快速取得高品質的標註資料集。 視覺化建模（Designer） 面向AI領域的工作流程設計工具，封裝了豐富的機器學習演算法組件。您無需程式碼基礎，透過拖曳即可訓練模型。 互動式建模（DSW） 面向AI開發者的雲端機器學習互動式開發IDE，包含Notebook、VSCode及Terminal。您可以基於鏡像指定NAS作為儲存啟動DSW。 容器訓練（DLC） 快速將訓練任務提交到目前工作空間關聯的運算資源（例如通用運算資源）中，提交後的任務詳情可以在PAI任務管理模組中查看。 模式線上服務（EAS） 支援大規模複雜模型的一鍵部署功能，即時彈性擴縮容，並提供完整的運維監控系統。 AI資產管理 提供包括資料集、模型、程式碼配置等核心AI資產的管理能力。 場景化解決方案 基於PAI平台能力孵化的垂直領域解決方案集合，方便您直接應用。