机器学习端到端场景 本章节以图像分类为例，阐述机器学习端到端场景的完整开发过程，主要包括数据标注、模型训练、服务部署等过程。您可以前往AI Gallery搜索订阅预置的“图像分类-ResNet_v1_50工作流”进行体验。 准备工作 准备一个图像分类算法（或者可以直接从AI Ga

查看更多 →

使用MLS预置算链进行机器学习建模 本章节介绍如何通过一键运行预置的餐厅经营销售量预测算链，完成建模，帮助开发者快速了解MLS的建模过程。 前提条件 已经创建一个基于MLStudio的Notebook镜像，并进入MLS Editor可视化编辑界面，具体参考进入ML Studio操作界面章节。

查看更多 →

虚拟药物筛选 创建study 删除study 列举study所有作业 创建study作业 列举study 获取study作业的最值信息 获取生成study作业3D结构的内容 父主题： 项目管理

查看更多 →

药物虚拟筛选 计算机辅助药物虚拟筛选是新药早期研发的重要环节，可根据靶点蛋白和小分子药物的3D结构，计算蛋白与药物之间的结合能量，并且依托云端大算力实现超大规模筛选和成药性分析，从成千上百万的小分子库中快速筛选出与蛋白结合最紧密的候选药物，从而为药物研究和临床试验提供方向。药物虚

查看更多 →

取消药物作业 功能介绍 取消药物作业。 URI POST /v1/{project_id}/eihealth-projects/{eihealth_project_id}/drug-jobs/{job_id}/cancel 表1 路径参数 参数 是否必选 参数类型 描述 project_id

查看更多 →

删除药物作业 功能介绍 删除药物作业。 URI DELETE /v1/{project_id}/eihealth-projects/{eihealth_project_id}/drug-jobs/{job_id} 表1 路径参数 参数 是否必选 参数类型 描述 project_id

查看更多 →

AI药物研究 父主题： 图解 医疗智能体

查看更多 →

盘古辅助药物 为什么下载的部分靶点文件，显示不完整 自定义数据库常见问题

查看更多 →

药物通用接口 生成分子SVG图 生成分子SDF三维结构 受体预处理 受体信息解析 受体口袋检测 配体格式转换为SMILES 生成相互作用2D图 计算配体间的3D结构差异 创建配体文件预览任务 查询配体文件预览任务 删除配体文件预览任务 创建配体相似性图计算任务 查询配体相似性图计算任务

查看更多 →

分类 添加节点 编辑节点 管理属性 布局属性 生效节点 失效节点 删除节点 父主题： 数据模型管理

查看更多 →

更新药物作业 功能介绍 更新药物作业。 URI PUT /v1/{project_id}/eihealth-projects/{eihealth_project_id}/drug-jobs/{job_id} 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是

查看更多 →

下载详情，可以查看该数据集的“目标位置”。 步骤5：创建新版自动学习图像分类项目 确保数据集创建完成且可正常使用后，在ModelArts控制台，左侧导航栏选择“自动学习”，进入自动学习总览页面。 单击选择“图像分类”创建项目。完成参数填写。 计费模式：按需计费。 名称：自定义您的项目名称。

查看更多 →

下载详情，可以查看该数据集的“目标位置”。 步骤5：创建新版自动学习图像分类项目 确保数据集创建完成且可正常使用后，在ModelArts控制台，左侧导航栏选择“自动学习”，进入自动学习总览页面。 单击选择“图像分类”创建项目。完成参数填写。 计费模式：按需计费。 名称：自定义您的项目名称。

查看更多 →

分类 决策树分类 梯度提升树分类 LightGBM分类 线性支持向量机分类 逻辑回归分类 多层感知机分类 朴素贝叶斯分类 随机森林分类 FM算法 GBDT PMML模型预测 多层感知机分类(pytorch) 多层感知机预测(PyTorch) 父主题： 模型工程

查看更多 →

虚拟药物筛选简介 虚拟药物筛选功能 医疗智能体平台支持根据靶点蛋白和小分子药物的3D结构，计算蛋白与药物之间的结合能量，进而预测小分子是否有成为候选药物的可能性。 虚拟药物筛选可实现如下功能。 整合分子对接结果，生成结合能矩阵。 整合受体与分子对接产生的配体构象，用于可视化展示。

查看更多 →

药物模型管理 获取基模型列表 创建模型 获取模型列表 更新药物模型 删除模型 父主题： API（盘古辅助制药平台）

查看更多 →

药物作业管理 获取药物作业列表 取消药物作业 删除药物作业 更新药物作业 创建分子聚类作业 父主题： API（盘古辅助制药平台）

查看更多 →

从0到1利用ML Studio进行机器学习建模 本章节基于餐厅销量预测场景，从零开始介绍如何制作销售销量训练及销售销量预测两个算链。 前提条件 已经创建一个基于ML Studio的Notebook镜像，并进入MLS Editor可视化编辑界面，具体参考进入ML Studio操作界面章节。

查看更多 →

样性算力，大数据等技术加速计算过程。 支持十亿节点、百亿边的超大规模图数据库查询，提供适用于基因和生物网络数据的图深度学习算法。 拥有基于基因组数据自动深度学习的技术框架AutoGenome，深度融合人工智能技术，产生更加便捷、快速、准确、可解释的医疗智能模型，加速医疗大健康行业的研究工作。

查看更多 →

在使用本API之前，需要您完成服务申请和认证鉴权，具体操作流程请参见申请服务和认证鉴权章节。 用户首次使用需要先申请开通。服务只需要开通一次即可，后面使用时无需再次申请。如未开通服务，调用服务时会提示ModelArts.4204报错，请在调用服务前先进入控制台开通服务，并注意开通服务区域与调用服务的区域保持一致。

查看更多 →

智能分类 功能介绍 智能分类识别服务可以一次性对同张图片中的多个卡证、票据进行检测和识别，并返回每个卡证、票据的类别及结构化数据。 应用场景 智能分类识别服务应用在身份认证、财务报销等多种场景，使用方便，有效提升数据录入效率。 场景一：卡证、发票混合识别 场景二：相同类型发票识别

查看更多 →