技术能力
从算法竞赛到企业系统，
多年积累的技术能力
我们把感知、认知、决策技术结合起来，接入企业的业务流程和现有系统。从数据准备、模型选择到部署验证，技术选择围绕业务问题展开。
1能力图谱
感知Perception
从图像、视频和传感数据中识别对象与状态。
- 工业视觉质检缺陷识别、质检判定与分拣联动项目 · 2025 视觉质检与智能分拣
- 人体关键点与姿态关键点检测、跨帧动力学修正项目 · 高尔夫 AI 教练系统
- 医学影像病理图像分类竞赛 · Kaggle Mayo Clinic STRIP AI 冠军
- 遥感与传感数据多站点气象与遥感数据融合项目 · 国家电网水电站预测
- 3D 视觉、OCR 与视频理解点云、检测分割、文字识别专家网络
认知Cognition
理解文本、知识与多模态内容。
- 大模型应用与场景适配垂直场景适配、部署效率与算力成本创始人 · 周知瑞
- 知识助手与文档问答SOP、EHS、工艺规范问答与数据检索项目 · 2026 知识助手
- 多模态表示与推荐视频、语音、文字与图关系融合平台 · 万象推荐
- 自然语言处理信息抽取、文本理解创始人 · 叶琨豪；专家网络
决策Decision
预测趋势、评估风险并给出优化方案。
- 时间序列预测DeepAR、Time-Transformer、GBDT 融合项目 · 国家电网水电站预测
- 风控建模特征工程、评分卡与机器学习项目 · 招商银行催收模型
- 参数优化与能耗管理制造工艺参数优化、能耗管理项目 · 2025 电子设备制造
- 强化学习序列决策与策略优化创始人 · 叶琨豪；专家网络
- 量化与金融建模量化交易、精算建模专家网络
工程化Engineering
让模型接入系统、稳定运行。
- AutoML 平台自动特征工程、建模与模型选择平台 · 森罗 AutoML
- 数据中台与数仓企业级数据中台、数仓架构、BI 分析创始人 · 赵晓民
- 分布式计算与部署Spark、Hadoop、Kubernetes；模型导出与生产评分平台 · 森罗 AutoML
- 结构化数据建模竞赛级特征工程与模型集成竞赛 · Kaggle Grandmaster／Master
依据：已交付项目、自研平台、Kaggle 竞赛成绩、创始人履历及专家网络公开资料。
2自研平台
2021 · 自动化机器学习
森罗 AutoML
面向非算法专业用户的自动化机器学习平台。用可视化界面完成数据接入、探索分析、特征工程、建模和模型选择；统一主流机器学习与深度学习算法接口，模型可导出到生产评分环境。
- 全数据流可视化操作
- 主流 ML／DL 算法统一接口
- 集成数据预处理与特征工程
数据源HDFSS3NFS本地文件SQL
分析语言与工具RPythonJSONJavaScalaTableauKNIME
森罗 AutoML
- 01数据加载分布式内存无损压缩
- 02探索与描述分析特征工程与选择
- 03监督与无监督建模模型评估与选择
- 04预测数据与模型存储
数据预处理导出 · POJO模型导出 · POJO／MOJO
生产评分环境SparkKafkaFlinkNiFiHive自定义环境
计算集群HadoopSparkKubernetes
依据布尔艺数现行官网架构图重绘。
2021 · 多模态推荐
万象推荐
基于计算机视觉、自然语言处理和图挖掘技术，整合视频、语音、文字、社区关系和操作历史的推荐算法平台。
- 视频／语音／文字多模态支持
- 召回与排序模型冷热互备
- 海量数据预训练支持冷启动
多模态输入文字视频语音社区关系操作历史
→表示学习计算机视觉自然语言处理图挖掘海量数据预训练，支持冷启动
→推荐引擎召回模型排序模型召回与排序冷热互备
→输出个性化推荐
依据布尔艺数现行官网示意图重绘。
3从模型到业务系统
模型效果与系统可用性需要分别验证。下面以一般企业算法项目为例，说明数据、模型和业务系统如何衔接。
构建与验证
- 01
数据准备
- SQL／文件接入
- 字段与样本核对
明确数据口径
- 02
训练与比较
- 特征工程
- 候选模型与基线
验证模型是否带来改善
- 03
评估与选定
- 离线回测
- 错误样本分析
确定适用范围
- 04
形成制品
- 模型与预处理
- 版本与配置
得到可复现的部署版本
模型与预处理版本 ↓ 业务结果与异常样本 ↑
业务运行
- 01
业务输入
- 批量任务／在线请求
- 字段校验与权限
只接收约定输入
- 02
生产推理
- 一致的预处理
- 已验证的模型版本
生成预测或推荐结果
- 03
业务使用
- 业务规则
- 人工复核或执行
将结果用于具体流程
- 04
运行评估
- 时延与失败率
- 输入变化与业务效果
判断是否需要调整模型
通用部署参考。批处理、实时服务及私有部署方式，按数据权限、业务时效和现有基础设施选定。
4研究方法如何应对真实问题
Kaggle · Mayo Clinic - STRIP AI · 2022
超高分辨率、少样本的医学影像分类
布尔艺数导师 KHY、KKY 组队获得该竞赛冠军。方案将超高分辨率图像切成图块，以预训练模型提取特征，再通过 Attention Pooling 汇总图块信息，并结合分组交叉验证与模型集成。
这个案例可以具体展示如何处理图像尺寸、有限样本和验证方式之间的关系。竞赛成绩与临床应用验证属于不同阶段。
查看当年的方案报道 ↗您的场景需要哪些技术？
描述业务问题，我们先判断技术路线和数据条件。