yun
-
大数据智能体工作台 DataBuddy 数据复核
数据复核 让你把 Buddy 生成的分析结果(对话回答、产物文件)提交给空间管理员或编辑者进行人工校验,确保 AI 输出的结论可信。
-
大数据智能体工作台 DataBuddy 什么是 MCP
MCP(Model Context Protocol,模型上下面协议)是一种用于将外部工具、数据源、业务能力以标准化协议 暴露给大模型 / Agent 调用的开放协议。在 DataBuddy 中,MCP 是 Agent 调用平台数据资产的统一桥梁 ,Agent 即可在对话或任务中按需发现、调用这些工具,无需为每种数据源或服务单独编写适配代码。
-
大数据智能体工作台 DataBuddy 模型列表概述
模型列表(Model List) 是 DataBuddy 数据应用模块下统一汇集大语言模型(LLM)端点 的入口。在这里可以以查看平台托管的开箱即用基础大模型,并以统一的方式被 Agent、MCP、Notebook、SQL Editor、Buddy 等模块调用。
-
大数据智能体工作台 DataBuddy 数据探索概述
数据探索(Data Exploration) 是 DataBuddy 中面向数据分析师的轻量化分析入口。你在这里通过 Spark SQL 直接查询统一 Catalog 中的库表,把查询结果立即转成图表,并将常用查询沉淀为收藏,无需进入 Workflow 编排或 Notebook 开发流程。
-
大数据智能体工作台 DataBuddy 数据科学概述
数据科学是 DataBuddy 面向数据科学家、机器学习工程师提供的端到端机器学习开发的模块,覆盖从实验追踪、特征工程、模型注册到模型服务部署的完整流程。该模块基于开源 MLflow 平台构建,将机器学习工件与 DataBuddy Catalog 统一治理体系打通,实现机器学习资产与数据资产的同源管理。
-
大数据智能体工作台 DataBuddy 什么是模型实验
模型实验是 DataBuddy 数据科学模块中组织与追踪机器学习训练过程的能力。你在 Studio 中训练模型时,可以通过模型实验模块系统化地记录每次运行的参数、指标与工件;训练完成后,在实验面板中对比多次运行的表现,选出最优模型并注册到 Catalog 进行统一管理,无需手动维护训练日志或逐个比对结果。
-
大数据智能体工作台 DataBuddy 什么是模型管理
模型管理(Models)是 DataBuddy 数据科学模块中机器学习模型的统一资产入口,基于 MLflow 与 Catalog 构建,承担模型从注册、版本控制、治理到部署的全生命周期管理职责,上承模型实验产生的训练结果,下接模型服务对外提供推理能力。
-
大数据智能体工作台 DataBuddy 什么是模型服务
这篇说说腾讯云模型服务将模型版本封装为在线推理端点的完整链路,涵盖输入、运行、调用与沉淀四个环节,并详解服务、版本、副本、推理表等核心概念。 服务(Endpoint):对外暴露的推理端点,支持挂载多个版本并按流量比例分发。 推理表(Inference Table):自动收集请求与响应payload的Delta表,用于监控数据漂移与效果。
-
大数据智能体工作台 DataBuddy 创建实验
这篇说说DataBuddy数据科学模块创建机器学习实验的方法,涵盖自定义模型、AutoML(分类/回归/时序预测)及Agent实验,均支持UI和Notebook两种创建方式,并说明前提条件与常见问题。 自定义实验:通过UI或MLflow API创建,支持示例代码训练。 AutoML实验:自动调用Serverless CPU资源,按任务类型配置数据与训练参数。 Agent实验:基于OpenAI或LangGraph框架构。
-
大数据智能体工作台 DataBuddy 界面操作
特征管理在 DataBuddy 控制台中的界面操作,包括特征表的检索与筛选、特征表详情查看,以及将离线特征表发布为在线特征表。