001-基本操作 - BML 全功能AI开发平台 | 百度智能云文档
001-基本操作 右键画布中的组件后，会出现工具菜单。您可执行以下操作。不同组件节点的右键菜单栏有所不同。 操作名 说明 删除 删除组件。 从此处开始执行 模型运行流程会从选择的节点开始执行，之前的流程不会执行。 执行到此处 模型运行流程会从开头运行到该节点处停止。 执行该结点 模型运行流程只运行该节点。 查看数据 数据集，数据处理、特征工程组件和预测组件等运行成功后，可执行该操作。 其中： 右击
项目空间管理 - BML 全功能AI开发平台 | 百度智能云文档
项目空间管理 项目空间 功能说明 项目空间是区域下为了完成同一AI目标而进行的团队协作任务的（数据处理-模型训练-模型管理-模型服务）集合；可按工作范围或目标划分；计算资源通过分配方式授权项目使用，企业/团队成员以某种角色加入到项目中。 您可以根据资源分配情况或区域要求，切换到对应区域下进行项目空间管理。 华北-北京区域下提供默认项目空间default供开发者角色子用户快速使用。 创建项目空间 点
008-聚类算法 - BML 全功能AI开发平台 | 百度智能云文档
008-聚类算法 聚类算法 高斯混合模型聚类 高斯混合模型（Gaussian Mixture Model）通常简称GMM，高斯混合模型是由多个高斯分布的结合组成的概率分布模型，是一种业界广泛使用的聚类算法，该方法使用了高斯分布作为参数模型，并使用了期望最大（Expectation Maximization，简称EM）算法进行训练。 输入 输入一个数据集，选择需要聚类的特征列，特征列只支持数值或数值
公有云部署 - BML 全功能AI开发平台 | 百度智能云文档
公有云部署 公有云部署简介 模型仓库中的表格数据预测模型，可以通过公有云部署为在线服务，并对外提供REST API，已有的业务系统可以通过API进行模型预测服务的集成。 模型部署流程 将训练完成的表格预测模型发布到模型仓库，在模型仓库中的『版本列表』中点击『公有云部署』或者点击左侧导航栏的公有云部署，进入公有云部署界面后点击『部署模型』。 在部署界面，首先进行服务配置：自定义服务名称、接口地址后缀
公有云部署 - BML 全功能AI开发平台 | 百度智能云文档
公有云部署 公有云部署简介 模型仓库中的模型，发布为公有云部署时储在云端，可通过独立Rest API调用模型，实现AI能力与业务系统或硬件设备整合。 BML具有完善的鉴权、流控等安全机制，并配置丰富的资源集群稳定承载高并发请求。 并且支持查找云端模型识别错误的数据，纠正结果并将其加入模型迭代的训练集，不断优化模型效果 模型部署流程 将训练完成的模型发布到模型仓库，在模型仓库中的『版本列表』中点击『
Android版本开发接入文档 - 智能视频SDK | 百度智能云文档
Android版本开发接入文档 一、概述 百度云短视频创作专注移动端视音频场景研发，提供端到端的一站式视音频技术解决方案，不限于采集、录制、合成、上传、存储、分发，极大降低客户接入音视频产品的技术门槛。 1.1 注意事项 运行环境 Android 4.1系统，API Level 16以上 二、快速接入 请先通过 工单 申请获取邀测资格，通过审批后会有专人联系您提供SDK源码包。
智能边缘控制台-多节点版 - BML 全功能AI开发平台 | 百度智能云文档
离线激活的过程可参考IECC中的具体指引 完成上述流程后即可在模型服务管理-已下发的模型服务列表中查看记录，并进行下一步应用功能体验 注：完成此步骤后即可在边缘节点进行二次集成已下发的模型服务，具体的集成方式可在文档-某图像任务类型-模型发布中查找对应的SDK开发文档进行集成开发 下发时可以通过高级配置设置服务运行的host和port。
Codelab Notebook自定义环境部署最佳实践 - BML 全功能AI开发平台 | 百度智能云文档
Codelab Notebook自定义环境部署最佳实践 由于 Codelab Notebook 具备很强的开发灵活性，用户可能在 Codelab Notebook 开发各种各样的模型，为了保障用户自定义的模型可以顺利部署， Codelab Notebook 提供了自定义环境部署的功能。 注意：自定义环境部署功能仅支持通用型 Notebook 开发的模型，并且该流程仅支持公有云服务部署的方式。
配置AUTOML模式表格数据预测任务 - BML 全功能AI开发平台 | 百度智能云文档
专家模式：高度开放的建模方式，用户可以进行特征工程、算法、超参搜索等配置，具备相关技能的开发者可以在方式下获得更多的开发自由度。
施工人员安全装备检测 - EasyDL零门槛AI开发平台 | 百度智能云文档
客户是一家有丰富系统开发经历但没有AI开发能力的企业，在技术选型阶段，标准AI模型采买、付费请AI厂商开发定制模型、通过PaddlePaddle等开源AI开发套件自研等方式都有进入考虑范围，最终结合自身技术能力、成本、效率等因素，最终决定使用飞桨生态下的EasyDL物体检测任务自主完成AI模型的开发，将AI能力集成入自研智能监测系统中。
