具体操作请参见如何控制接口访问权限。 大屏数据处理应用模板服务集成示例： 如何使用资产 以在大屏Demo页面上进行配置为例。 订购并安装部署大屏数据处理应用模板资产到对应的开发环境。 相关操作请参见如何订购&部署资产。 在开发环境首页，如图1所示，单击“项目”页签，单击“业务大屏”。 图1 进入业务大屏 如图

查看更多 →

数据处理 在数据服务首页左侧导航，选择“首页>我的数据集”。 在“我的数据集”页签单击新增的数据集。 单击“应用数据集 > 数据处理”。 进入“新增作业”界面，如图1所示。 参数说明如下所示： 作业名称：自定义输入。 开发环境：选择通用编辑器。 作业位置：存储作业脚本的 数据湖 OB

查看更多 →

数据处理 数据处理支持什么类型脚本？ 运行环境如何安装Python包？ 数据处理可以处理哪些数据源中的数据？ 用户注销后，是否会清理数据服务对应的个人数据以及资源，是否还会计费？ 父主题： 常见问题

查看更多 →

数据处理 Python API接口 管理新增作业 创建开发环境 父主题： 管理基础工具

查看更多 →

数据处理 当数据采集和接入之后，数据一般是不能直接满足训练要求的。为了保障数据质量，以免对后续操作（如数据标注、模型训练等）带来负面影响，开发过程通常需要进行数据处理。ModelArts提供了数据处理的功能，目的是帮助用户从大量的、杂乱无章的、难以理解的数据中抽取或者生成对某些特定的人们来说是有价值、有意义的数据。

查看更多 →

数据处理 训练前需要对数据集进行预处理，转化为.bin和.idx格式文件，以满足训练要求。LoRA微调训练与SFT全参微调使用同一个数据集，即都是alpaca_data.json。 如果已经在SFT全参微调时处理过数据，可以直接使用，无需重复处理。如果未处理过数据，请参见数据处理章节先处理数据。

查看更多 →

数据处理 训练前需要对数据集进行预处理，转化为.bin和.idx格式文件，以满足训练要求。LoRA微调训练与增量预训练使用同一个数据集，即都是alpaca_data.json。 如果已经在增量预训练时处理过数据，可以直接使用，无需重复处理。如果未处理过数据，请参见数据处理章节先处理数据。

查看更多 →

数据处理 数据处理简介 创建数据处理任务 管理和查看数据处理任务 预置算子说明 父主题： 数据管理（旧版即将下线）

查看更多 →

数据处理 数据处理介绍 创建工作流 启动工作流

查看更多 →

数据处理 对于数据管理，有没有类似navicate这样的可视化工具

查看更多 →

--tokenizer-not-use-fast \ --handler-name GeneralInstructionHandler 数据处理具体操作 SFT全参微调数据处理具体操作步骤如下。 将获取到的SFT全参微调数据集上传到/home/ma-user/ws/datasets/目录中。 创

查看更多 →

--tokenizer-not-use-fast \ --handler-name GeneralInstructionHandler 数据处理具体操作 增量预训练数据处理具体操作步骤如下。 单击“作业列表”右侧“+”新建训练作业任务 图1 新建训练作业 设置作业名称、描述、作业模式，根据需求选择镜像、资源规格和节点数。

查看更多 →

数据处理 数据处理简介 数据批导 数据处理 回放仿真

查看更多 →

数据处理 数据集 数据探索 数据采样 数据清洗 数据合并 数据转换 特征选择 时序数据处理 自定义 发布算法工程服务 父主题： JupyterLab开发平台

查看更多 →

数据处理 Data+ 配置在线解压策略

查看更多 →

数据处理 图片处理 Data+ 在线解压

查看更多 →

数据处理 卫星影像生产服务有哪些功能 KooMap服务提供哪些公共管理功能 实景三维生产服务支持哪些建模类型和任务类型

查看更多 →

数据处理 修改列名 数据集列合并 数据集聚合 数据集行合并 数据集行过滤 数据集连接 数据集抽样 数据集拆分 数据集行去重 执行spark sql脚本 替换 缺失值填充 缺省值填充 修改列数据类型 数据集选择列 设置元数据 数据集按列排序 增加序列号 普通表转KV表 KV表转普通表

查看更多 →

数据处理 数据清洗 数据汇聚 父主题： 基于运维数仓的数据开发与应用

查看更多 →

数据处理 作业总览 作业队列 算子管理 算子示例 父主题： 数据处理

查看更多 →

数据处理 创建算子 批导数据 处理数据 父主题： 自动驾驶云服务全流程开发

查看更多 →