AI 工具库 · 第 39 页

在可视化工作区连接数据、分支探索问题，并让 AI 智能体辅助分析和图表制作。

把用户的数据分析请求转为代码执行，保留对话、代码历史和内存数据以继续分析。

通过自然语言探索数据，生成并导出图表、表格与分析报告。

在网页界面中标注文本分类、序列标签与文本生成样本，用于构建模型数据集。

让 AI 工程师与领域专家在协作界面中整理和标注模型训练或评估数据。

可视化并标注视觉数据，检查模型表现，帮助整理计算机视觉训练与评估数据集。

通过自托管协作平台标注图像、视频、音频和三维资料，并管理模型数据集。

通过图形界面为图像绘制区域标签，支持 AI 辅助标注及常见视觉数据格式导出。

管理语言模型开发所需的多模态标注任务，并按任务配置标注工具。

用表结构组织图像、音视频和文档，把数据转换、索引及服务接口组合为 AI 应用后端。

通过命令行管理机器学习数据和模型版本，跟踪实验并复现数据处理流程。

组织生成式 AI 与机器学习应用的开发流程，连接数据、模型管道和在线服务。

集中跟踪模型实验、版本化数据并编排训练或推理任务。

记录模型训练与 AI 元数据，在自托管界面中比较和分析不同运行。

通过平台和命令行管理深度学习工作负载、GPU 资源、训练与运行监测。

把模型训练或智能体逻辑组织为可运行管道，并跟踪代码、参数、日志与运行结果。

在 Kubernetes 上组织数据与 AI 工作负载，支持模型开发和运行流程。

部署集成 Jupyter、VS Code、模型库和训练监测工具的网页机器学习开发环境。

通过命令行和网页界面组织分布式训练、超参数搜索、资源管理与实验追踪。

在 Kubernetes 中部署与管理模型和 AI 处理管道，组织多模型推理服务。

在 Kubernetes 上统一部署生成式与预测式模型推理，提供标准化服务接口。

运行已有训练脚本并记录实验，通过网格、随机或贝叶斯搜索比较模型配置。

在桌面或浏览器中打开神经网络模型，查看模型结构与支持格式的内容。

通过网页可视化查看模型运行日志、计算图和训练指标。

为机器学习模型、代码、数据和配置记录版本，追踪实验并生成表现看板。

从 CSV 通过命令行训练机器学习模型，并在浏览器中查看模型与运行监测。

把机器学习模型打包为标准部署产物，生成依赖与输入元数据，并提供接口服务或批处理。

解析文档、图像和表格内容，把资料转换为可供应用和智能体阅读的结构化结果。

通过命令行把学术 PDF 解析成包含数学公式和表格的文本表示。

为扫描 PDF 添加可搜索、可复制的 OCR 文字层，并支持页面旋转与倾斜校正。

把 PDF 与图像中的文字、表格和结构解析为适合模型处理的 JSON 或 Markdown。

通过统一命令和图形界面组织模型训练、推理和部署，覆盖 OCR、视觉分析等任务。

把多种文件转换为保留标题、列表、表格和链接等结构的 Markdown，便于模型分析。

以自然语言定义批量资料处理步骤，通过映射、归并与筛选把文档集合整理成表格。

通过可定制的 RAG 网页界面围绕文档提问，也可配置自己的检索问答流程。

提供带网页管理界面和接口的图结构检索问答服务，管理文档并探索知识关系。