登录授权：
-
多种登录方式的示例，
- 账号密码，
- github，
- 微信登录，
- AUTH_OID(支持)，
- AUTH_LDAP(支持)，
- AUTH_REMOTE_USER(支持)
-
多租户
- rbac权限管理，
- 项目管理
数据平台：
- 离线元数据： （通过统一sql多模引擎实现，离线元数据同步，实时元数据查询，sql操作，ddl操作等）
- 支持仅管理离线元数据
- 定时脚本将远程数据库元数据同步到离线元数据内(比如离线同步hive元数据到元数据模块),支持离线元数据模块操作ddl远程数据库(比如增减hive列)
- 实时查询远程元数据，并支持实时ddl远程数据库。
- 离线/实时管理元数据，支持hive/clickhouse/mysql/pg/druid等数据库类型
- 血缘关系：
- 支持表+任务+看板+字段+指标+特征，之间的血缘链路关联，支持离线导入血缘链路管理，前端进行可视化展示
- 指标管理
- 指标元数据管理
- 维表管理：
- 支持mysql/postgresql作为维表数据库
- sql查询引擎： （通过统一sql多模引擎实现，离线元数据同步，实时元数据查询，sql操作，ddl操作等）
- 支持ck hive，impala，presto，druid等统一查询引擎
- 支持多任务，查询记录，统一sql解析拦截，异步查询，提供标准sql查询基础类
- 数据ETL： （通过pipeline编排能力统一对接）
- 提供标准 任务编排，任务管理模块，任务实例，任务成功率
- 支持airflow，ds，az调度器
- 推送：
- 封装推送功能模块：支持邮件，企业微信，钉钉等推送方式
- 支持文本，图片，html等推送模式
AI平台：
- notebook：
- 支持基础vscode/jupyter开发环境，支持ssh等功能
- 大数据版本，数据挖掘版本，深度学习版本
- 添加使用示例，比如sparksql/impala/presto/clickhouse/mysql/postgresql等分析建模示例
- 添加flink实时分析示例
- 添加百G大数据单机数据分析能力Arrow、vaex、duckdb等数据分析能力
- 镜像仓库管理：
- 仓库管理
- 镜像管理
- 镜像调试
- 任务模板:
- 添加数据处理模板(导入导出，sqoop，spark等任务类型)
- 添加特征处理模板(归一化，转换，...)
- 添加模型处理模板(模型压缩，模型转换..)
- 添加分布式训练模板~~
- 任务流编排
- 单任务调试
- pipeline调试
- 任务可视化
- 定时调度
- 任务流调试：
- 去除对kubernetes dashboard的依赖，提供服务支持pod，搜索，日志的查看，删除，执行命令界面
- kubeflow-pipeline依赖去除
- 支持任务结果可视化
- automl：
- nni超参搜索
- ray超参搜索
- 特征选择
- 框架选择
- 模型压缩
- 特征平台
- 数据集
- 数据集存储中心
- 数据集管理，版本管理等
- sdk中支持数据自动导入
- 支持数据集上传
- 标注平台，集成label studio，与其他模块数据打通
- 模型管理
- 模型注册模板
- 模型下载模板
- 模型可视化
- 服务管理：
- 内部服务
- 推理服务
- 添加triton标准镜像
- 视频推流sidecar
基础架构能力：
- 分布式存储方案：
- 完善juicefs分布式存储方案
- 体质sidecar分布式存储挂载，而不是单机挂载
- 支持alluxio分布式加速
- 添加边缘集群部署脚本
- 添加super edge部署广宽数据服务平台方案
- 添加kube edge部署广宽数据服务平台方案
- 私有仓库部署方案：
- docker-compose部署harbor方案
web框架：
- 支持通用pipeline编排，合并frontend/vison/visonPlus代码
- 通用血缘，支持任务流调试界面，去除kfp依赖~~
- 中英文支持
- 通用可视化模板~~
sdk
-
前后端： （aihub前后端应用）
- 适配pc端/手机端
- 登录，
- 微信打开限制，
- 广告sdk，
- 功能弹窗，
- 大视频文件在线播放，
- 支持视频流，
- 分享到朋友圈，
- 访问统计，
- 热度排行，
- 智能推荐
-
pip包
- 标准化镜像构建标准
- 支持生成web服务，微信端服务
- 支持转训练，注册为job 模板
- 支持转推理api，批处理，弹性离线推理
- 支持数据数据集上传和自动加载，与数据集平台对接，外部数据集转内部数据集
算法模型： （自研模型+魔塔模型+hugging模型）
-
传统机器学习（jupyter形式）：
- 基础技能：pandas，matplotlib，pyecharts
- 关联挖掘：关联分析（Apriori、FP-growth）
- 分类：决策树（ID3、C4.5、CART）、K最近邻算法(KNN)、kd树、极大似然估计、EM算法、文档分类器，朴素贝叶斯分类器，费舍尔分类器、线性函数、线性回归、正则化、逻辑分类/逻辑回归/一般线性回归、支持向量机SVM、核方法、集成学习（Bagging、Boosting、RF、AdaBoost、GBDT、xgboost）、GBDT算法、XGBOOST算法、CTR/CVR中的FM、FFM算法、LightGBM算法
- 聚类：层次聚类、BIRCH聚类、k均值聚类、k中心点聚类、DBSCAN密度聚类
- 图论：最小生成树（MST）的Prim算法和Kruskal算法
- 搜索引擎：
-
深度学习模型：
-
大模型数据人
- 组织线下活动，比如社区例会，定期下线见面会
- 撰写或更新文档，完善github wiki文档，公众号文章，跟踪大厂使用case
- 知识社区的运营，比如知乎，csdn，B站等，发布帮助视频
- 帮助新用户，群内答疑
- 发展社区大使，推广社区