FingerSense (指关节技术)
Qeexo AutoML让FingerSense作为高附加值软件应用在超过2亿台设备上成为可能。
FingerSense 是世界上第一款纯软件的解决方案，可以区分指尖，指关节，指甲还是输入笔在屏幕上操作。它使用的是Qeexo轻量级机器学习技术，利用设备上现有的传感器数据来实现。
世界第三大智能手机生产商华为，使用的正是Qeexo的FingerSense技术（华为称之为指关节技术）。有了FingerSense，华为智能手机用户也因此获得了很多强大的工具。例如，用户可以使用指关节在屏幕上敲击两次来截屏，或者用指关节画字母M来打开一个由用户自己设置的音乐应用。 FingerSense曾被评为华为设备中的顶级增值软件，36.6%的华为用户经常使用FingerSense*。
FingerSense推出后，需求也快速增长，而Qeexo满足需求的能力受到传统机器学习开发过程的限制。开发时间长，数据可见性差，工作流需要持续的监督和查错。为了满足每年近100个商业项目，Qeexo 开发了AutoML。
如果没有Qeexo AutoML
- 人员紧张：每个项目都是个例，需要重新适配机器学习引擎
- 耗时长：从数据可视化和预处理到部署机器学习库，完成一个项目平均需要一位机器学习工程师花费20小时的时间。
- 扩展性差：仅2016年，FingerSense 就应用在超过90个不同的商业项目中，没有Qeexo AutoML，这是一个不可能完成的任务。
有了Qeexo AutoML
- 自动预处理数据，生成可视化和性能报告，使用多种算法建立机器学习库并比较指标，无需机器学习工程师的干预。
- AutoML 允许非机器学习专家来构建可用于生产的模型，并将构建模型的时间减少了95%。
- 机器学习工程师可以将时间投入到更关键和复杂的研发任务中，例如，性能提升和优化研究。 正是节约出来的这些时间，让他们把FingerSense的整体性能提高了15%。
- Qeexo AutoML 让FingerSense 仅用4年时间应用在超过2亿台设备上成为可能。
- FingerSense被评为华为设备中的顶级高附加值软件，36.6%的华为用户经常使用FingerSense*。
魔法杖
使用Qeexo AutoML可以使产品变得更加智慧；快速迭代原型，使产品达到可商业化的程度。
一家台湾的玩具生产商（由于保密协议的限制，以下称“公司”）想生产一种玩具魔法杖。当你用不同的姿势在空中晃动魔法杖的时候，加速度计和陀螺仪的数据，这种魔法杖可以发出不同的声音和展示不同的颜色。但不幸的是，在遇到Qeexo AutoML之前，这款产品识别不同姿势的准确率无法令人满意，也因此始终无法进行商业化生产。
假设没有Qeexo AutoML
- 公司缺乏处理传感器信号和利用传感器数据的专业知识和专业技能。
- 公司缺乏预算和资源来雇佣合格的机器学习工程师。
有了 Qeexo AutoML
- Qeexo AutoML可以自动提取特征并开发出最佳模型，让该公司能够选择最适合自己产品的机器学习模型，从而提高玩具的识别准确率和整体可用性。
- Qeexo AutoML让该公司在无需雇佣机器学习工程师团队的情况下就能将魔法杖量产。
- Qeexo AutoML 构建的机器学习模型，专为延时低，内存空间小，高度受限的环境而设计，例如这家公司的魔法杖，它的特点就是内存空间小，处理能力弱和电池寿命低。
- 该公司正计划生产一系列使用Qeexo AutoML技术的智慧玩具。
汽车工厂质量检验
Qeexo AutoML建立了基于机器视觉的质量检查机制，来自动检查智能工厂中的缺陷零件。
Kwang Sung公司是一家汽车零部件生产商， 它是现代汽车和起亚汽车的一级供应商，在韩国、美国、中国和印度都有业务。它希望有一种更好的方法来检测“装饰件”(quarter garnish)零件的缺陷，包括划痕、气痕、短射和黑点。在遇到AutoML之前，Kwang Sung雇佣工人用肉眼检查零件。
没有Qeexo AutoML
- 人工成本高，且容易出错。员工离职率高。
- 替代方案非常昂贵，而且需要调整当前的生产线设置。
有了Qeexo AutoML
- Qeexo AutoML不需要昂贵的基础设施和设备，只需花费很少的成本和精力就能被集成到系统中。
- Kwang Sung现有的员工就能够使用Qeexo AutoML，无需复杂的训练和熟悉操作的时间。
- Qeexo AutoML 生成的机器学习模型运行在边缘终端，无需连接网络，因此数据也保存在本地。
- 经过在阿拉巴马州工厂的初步评估，Kwang Sung正在将Qeexo AutoML推广到全球其他工厂。
如何让Qeexo AutoML帮助你的公司？
