产品术语
A
AI应用市场
提供AI模型的交易市场，是AI消费者接触NAIE云服务的线上门户，是AI消费者对已上架的AI模型进行查看、试用、订购、下载和反馈意见的场所。
AI引擎
可支持用户进行机器学习、深度学习、模型训练的框架，如Tensorflow、Spark MLlib、MXNet、PyTorch、华为自研AI框架MindSpore等。
B
标签列
模型训练输出的预测值，对应数据集的一个特征列。例如鸢尾花分类建模数据集提供了五列数据：花瓣的长度和宽度、花萼的长度和宽度、鸢尾花种类。其中，鸢尾花种类就是标签列。
C
超参
模型外部的参数，必须用户手动配置和调整，可用于帮助估算模型参数值。
M
模型包
将模型训练生成的模型进行打包。可以基于模型包生成SHA256校验码、创建模型验证服务、重训练服务、发布在线推理服务。也可以上架至应用市场，支持用户订购后，下载到推理框架中使用。
N
Notebook
交互式记事本。用于编写代码的环境。用户可使用R、Python、Scala和SQL等语言编写代码。
P
Python语言
一种可移植、解释性、面向对象的程序设计语言，开发者开发出来并将其免费分发。Python可以运行在许多平台上，包括UNIX、Windows、OS/2、Macintosh等操作系统，可以用来编写TCP/IP应用程序。
S
数据采样
在其他特征操作前先对数据集进行样本采样。数据采样后所有的特征操作，都是基于采样后的数据进行处理，可以减少特征操作处理的数据量，提升特征操作的处理速度。
数据服务
支持网络工参、性能、告警等各种类型数据的快速采集。一方面提供大量工具提升数据治理效率，同时应用多租户隔离、加密存储等安全技术，保障数据的全生命周期安全。
数据集
某业务下具有相同数据格式的数据逻辑集合。
数据集实例
数据集的实例，有具体的数据。
T
特征操作
特征操作主要是对数据集进行特征处理。
在旧版体验式开发模式下，模型训练服务支持的特征操作有重命名、归一化、数值化、标准化、特征离散化、One-hot编码、数据变换、删除列、选择特征、卡方检验、信息熵、新增特征、PCA。对应JupyterLab交互式开发模式，是界面右上角的
图标中的“数据处理”菜单下面的数据处理算子。
W
网络AI框架
网络AI框架根据业务场景，可部署在嵌入式网元、网管系统或云侧（私有云或公有云），与不同层级网络控制系统对接，实时采集业务数据，基于最优算法模型实时调整网络运行配置，针对故障实施自动隔离与自动修复，大幅提升网络使用效率与维护效率。
X
模型训练服务
模型训练服务为开发者提供电信领域一站式模型开发服务，涵盖数据预处理、特征提取、模型训练、模型验证、推理执行和重训练全流程。服务提供开发环境和模拟验证环境及ICT网络领域AI资产，包括项目模板、算法、特征分析及处理SDK，帮助开发者提速AI应用开发，保障模型应用效果。
训练数据集
用于训练模型的数据集实例。
Y
验证数据集
模型验证的数据集。
