只需三步驟下，我們的AutoML引擎即可處理訓練/驗證拆分，超參數調整，GPU資源調度...，同時邊喝杯咖啡邊監控訓練進度。 只需等待通知以檢查訓練結果即可。

透過遷移式學習和資料增幅，可以讓我們用較少的資料獲得高性能的模型。 我們的autoML系統會依訓練資料判斷最適合的神經網絡架構和預訓練模型並選出最佳組合。

我們提供模型的訓練及推論報告，其內容包含資料分佈、訓練曲線和性能指標的知識以及AI專家的建議，讓使用者更了解其模型表現。

模型訓練只是打造AI的其中一部分，使用真實世界的資料進行模型的測試才是真正的挑戰。落地部署您的模型，收取真實世界的資料、模型生成推論結果，透過資料的比對，獲得客觀結果並進行進一步的分析。

AI模型的優化須從了解模型表現下手，我們的訓練模組提供熱度圖、混淆矩陣、AUROC曲線、均值平均精度（mAP）和DICE係數等的各種指標，讓您能夠更了解和評估您的模型。