挖掘传感器数据价值 Qeexo为边缘设备推出全自动机器学习平台

10月7日消息，Qeexo奇手公司今日发布了全新的AutoML产品，这是一款一键式全自动化平台，让用户能够快速在边缘设备上使用传感器数据构建机器学习解决方案。这个产品将填补针对嵌入式边缘设备的全自动化机器学习平台的市场空缺。

随着机器学习技术的发展，边缘设备受到了越来越多的关注，在嵌入式处理器上使用机器学习成为眼下的热点，这一趋势有助于提升安全性和可用性，降低延迟。但由于受到运算能力，内存大小和电池寿命的严格限制，为边缘设备提供机器学习解决方案虽然有着巨大的市场潜力，却极具挑战性。目前绝大多数机器学习厂商专注于为Raspberry Pi以上级别的设备提供服务，Qeexo AutoML则将目光投向了Arm Cortex™-M0到M4级别的MCU，据了解，这款产品目前已经支持ST意法半导体的SensorTile.box，一款包含了Cortex-M4型MCU的紧凑型多传感器模块，未来还会拓展到更多的硬件平台上。

Qeexo的CEO Sang Won Lee表示，“无数的公司都在不断地从边缘收集大量的数据，他们希望能够利用机器学习但找不到合适的工具或者技术团队，有了Qeexo AutoML，他们只需要花费与正常情况相比的一小部分时间和资源，就能通过原型和项目的不断迭代来生成可用于生产的模型。Qeexo优先选择支持基于Arm架构的MCU产品，是因为Arm致力于建立世界级的生态系统，以及它在边缘市场中的领导者地位。”

Qeexo AutoML将数据预处理，提取特征，选择模型，优化超参数，验证结果，以及部署模型等传统机器学习流程中需要大量重复工作的过程实现了自动化，对于解决目前机器学习工程师稀缺的问题，无疑会产生积极的影响。不仅如此，对于机器学习专家来说，将重复乏味，而且容易出错的过程交给平台来完成，也可以节约大量的时间，提升核心开发工作的效率。

甚至，对于并不熟悉机器学习但又拥有海量传感器数据的企业来说，Qeexo AutoML在一些特定任务中，完全可以取代机器学习工程师的角色，从而为企业节省组建机器学习团队的时间和成本，降低企业试错的风险。

Arm公司机器学习部门市场副总裁Dennis Laudick也认为，“Qeexo(对机器学习)的优化会为更广泛范围内的设备带来新的机器学习的可能性，而选择基于Arm架构的MCU作为目标则意味着他们的技术将会惠及一个服务于几乎所有行业的丰富的生态系统。”

FingerSense是一款可以区分指尖，指关节，指甲还是输入笔在屏幕上操作的纯软件解决方案，目前这个方案已经成功应用在数亿台设备上，而它也是Qeexo AutoML首个成功的商业化案例。

Qeexo奇手公司诞生于卡内基梅隆大学，也是目前第一个为嵌入式边缘设备(Cortex M0-M4级别)提供自动化端到端机器学习服务的公司。该公司目前已经获得风险投资，并在山景城，匹茨堡，上海和北京设立了办公室。