DSW 2.0：面向AI研發的集成開發平臺
DSW（Data Science Workshop）是阿里巴巴PAI團隊根據多年的AI算法和產品研發經驗積累，圍繞提高AI算法研發效率，降低研發成本而推出的一款適用於各類AI開發者的雲端機器學習集成開發環境。DSW2.0是藉助阿里雲ECS，Docker和Kubernetes等雲原生技術，能夠在幾分鐘內幫用戶完成環境搭建，相對DSW1.0開放更高的開發權限，滿足各個層面客戶的使用需求。
- 雲原生架構
DSW藉助阿里雲ECS，Docker和Kubernetes等雲原生技術，能夠在幾分鐘內幫用戶完成環境搭建。用戶可以根據算法需要和成本考慮，選擇阿里雲ECS提供的包括CPU和異構計算GPU在內的所有資源規格。
- 滿足不同層次開發習慣
結合交互式編程和命令行輸入，DSW提供了三種編程入口： WebIde適用於工程化要求比較高的項目；JupyterLab適用於快速POC試驗；Terminal入口可用於快速執行Shell命令，運行程序和簡單的編輯等。
- 預裝豐富插件
DSW還開發和預裝了各種JupyterLab和WebIDE插件，比如廣受深度學習開發者喜愛的可視化工具Tensorboard，用戶在DSW內通過Launcher，Commands打開，甚至還可以使用%tensorboard魔法命令直接在Notebook中開啓等多種方式使用Tensorboard。不僅支持本地文件，還可以打開存放在OSS，ODPS裏的訓練日誌。針對算法同學使用Python比較多的特點， DSW的WebIDE內安裝了Python插件，可以直接在瀏覽器內在線調試，單步跟蹤程序運行。用戶還可以根據需要，自主安裝需要的任意插件。
- 支持多種數據源讀寫
NAS， OSS，雲盤和MaxCompute，尤其是內置了dswmagic魔法命令可以讓用戶在ipynb文件中使用SQL語句讀寫MaxCompute表中數據，預置的SQL編輯器支持語法高亮、智能提示、自動補全等功能，還支持運行帶變量替換功能的Sql腳本。查詢結果自動以最友好的圖形化展示。
Alink：流批一體機器學習算法平臺
Alink擁有豐富的批式算法和流式算法，能夠幫助數據分析和應用開發人員能夠從數據處理、特徵工程、模型訓練、預測，端到端地完成整個流程。Alink提供的功能算法模塊中，每一個模塊都包含流式和批式算法。比如線性迴歸，包含批式線性迴歸訓練，流式線性迴歸預測和批式線性迴歸預測。另外，Alink算法覆蓋分類、迴歸、聚類、評估、統計分析、特徵工程、異常檢測、文本、在線學習、關聯分析等經典領域，是一個通用的機器學習算法平臺。
- 算法性能
我們從下圖中可以看出在迴歸算法中，Alink算法性能最高優於Spark 1.38倍；分類算法中Alink大多數算法性能優於Spark，最高優於2.52倍；聚類算法Alink算法性能最高優於Spark 1.85倍；協同過濾Alink算法性能最高優於Spark 2.26倍。
Flink VS Spark算法性能
- 更友好的交互式體驗
我們提供兩種用戶使用界面：web和PyAlink。Web界面提供拖拽的方式創建試驗，通過對每一個組件進行配置完成整個試驗的參數配置。在各個算法節點旁，我們用閃爍的小燈泡💡表示“運行中”的狀態，用對勾✅表示“運行完成”的狀態。一般情況下，只有批式（batch）組件纔有可能運行結束。基於各個組件的運行狀態，可以十分方便地判斷當前實驗運行到了什麼程度。
同時爲了滿足腳本用戶的需求，我們提供了PyAlink on notebook，用戶可以通過PyAlink的python包使用Alink。PyAlink支持單機運行，也支持集羣提交。並且打通Operator(Alink算子)和DataFrame的接口，從而使得Alink整個算法流程無縫融入python。PyAlink也提供使用Python函數來調用UDF或者UDTF。
阿里雲機器學習PAI是覆蓋人工智能全鏈路的產品家族，自上線以來，受到廣大AI開發者的喜愛，經過千錘百煉，證明不僅適合個人和團隊研發，也支持大規模算法競賽和教育培訓。本次重磅發佈的PAIDSW2.0和商業版Alink致力成爲最懂用戶的輕量化AI服務，包含數據處理、建模、訓練、模型優化、在線預測等多種產品版塊，爲用戶提供一站式體驗服務。