Qeexo奇手公司近期發(fā)布了全新的AutoML產(chǎn)品，這是一款一鍵式全自動化平臺，讓用戶能夠快速在邊緣設備上使用傳感器數(shù)據(jù)構建機器學習解決方案。這個產(chǎn)品將填補針對嵌入式邊緣設備的全自動化機器學習平臺的市場空缺。

隨著機器學習技術的發(fā)展，邊緣設備受到了越來越多的關注，在嵌入式處理器上使用機器學習成為眼下的熱點，這一趨勢有助于提升安全性和可用性，降低延遲。但由于受到運算能力，內(nèi)存大小和電池壽命的嚴格限制，為邊緣設備提供機器學習解決方案雖然有著巨大的市場潛力，卻極具挑戰(zhàn)性。目前絕大多數(shù)機器學習廠商專注于為Raspberry Pi以上級別的設備提供服務，Qeexo AutoML則將目光投向了Arm Cortex?-M0到M4級別的MCU，據(jù)了解，這款產(chǎn)品目前已經(jīng)支持ST意法半導體的SensorTile.box，一款包含了Cortex-M4型MCU的緊湊型多傳感器模塊，未來還會拓展到更多的硬件平臺上。

Qeexo的CEO Sang Won Lee表示，“無數(shù)的公司都在不斷地從邊緣收集大量的數(shù)據(jù)，他們希望能夠利用機器學習但找不到合適的工具或者技術團隊，有了Qeexo AutoML，他們只需要花費與正常情況相比的一小部分時間和資源，就能通過原型和項目的不斷迭代來生成可用于生產(chǎn)的模型。Qeexo優(yōu)先選擇支持基于Arm架構的MCU產(chǎn)品，是因為Arm致力于建立世界級的生態(tài)系統(tǒng)，以及它在邊緣市場中的領導者地位?！?/p>

Qeexo AutoML將數(shù)據(jù)預處理，提取特征，選擇模型，優(yōu)化超參數(shù)，驗證結果，以及部署模型等傳統(tǒng)機器學習流程中需要大量重復工作的過程實現(xiàn)了自動化，對于解決目前機器學習工程師稀缺的問題，無疑會產(chǎn)生積極的影響。不僅如此，對于機器學習專家來說，將重復乏味，而且容易出錯的過程交給平臺來完成，也可以節(jié)約大量的時間，提升核心開發(fā)工作的效率。

甚至，對于并不熟悉機器學習但又擁有海量傳感器數(shù)據(jù)的企業(yè)來說，Qeexo AutoML在一些特定任務中，完全可以取代機器學習工程師的角色，從而為企業(yè)節(jié)省組建機器學習團隊的時間和成本，降低企業(yè)試錯的風險。

Arm公司機器學習部門市場副總裁Dennis Laudick也認為，“Qeexo（對機器學習）的優(yōu)化會為更廣泛范圍內(nèi)的設備帶來新的機器學習的可能性，而選擇基于Arm架構的MCU作為目標則意味著他們的技術將會惠及一個服務于幾乎所有行業(yè)的豐富的生態(tài)系統(tǒng)?！?/p>

 FingerSense是一款可以區(qū)分指尖，指關節(jié)，指甲還是輸入筆在屏幕上操作的純軟件解決方案，目前這個方案已經(jīng)成功應用在數(shù)億臺設備上，而它也是Qeexo AutoML首個成功的商業(yè)化案例。

Qeexo奇手公司誕生于卡內(nèi)基梅隆大學，也是目前第一個為嵌入式邊緣設備（Cortex M0-M4級別）提供自動化端到端機器學習服務的公司。該公司目前已經(jīng)獲得風險投資，并在山景城，匹茨堡，上海和北京設立了辦公室。