關於 Heimdall
Heimdall 是一個以瀏覽器為基礎的雲端資料與機器學習平台，將資料準備與模型部署連接起來。團隊可以將 CSV 檔案、資料庫資料表、資料倉儲快照及非結構化封存資料匯入 Lake，依照銅、銀、金階段加以整理，再於 Lab 或無程式碼建模產品中使用同一份目錄。Lab 提供搭載 pandas 與常用圖表函式庫的 Python 筆記本；ML 負責分類與迴歸，Forecast 建立時間序列模型，而 Loop 支援能從回饋中學習的模型。訓練完成的模型可以公開為 REST API，並在同一個工作空間中受到監控。對小型團隊而言，這種連貫性可以省去儲存空間、筆記本、訓練系統與模型伺服器之間大量例行性的資料搬移。不過，若買家需要在評估前取得明確公布的容量限制、廣泛的整合保證或詳細的企業控制措施，則較不適合，因為現有產品資料並未說明這些細節。
功能特性
獎牌式資料工作流程
在 Lake 中為原始輸入建立目錄，精煉銅級與銀級資料，並發布金級資料集供建模使用。
無程式碼預測
使用時間序列資料訓練預測模型、檢視誤差指標與信賴區間，並部署 API。
瀏覽器版 Python 筆記本
使用 pandas 與繪圖函式庫分析 Lake 資料表，再將結果儲存為新的銀級資料集。
優點
- 單一目錄以連續工作流程串連資料擷取、準備、模型訓練、部署與監控。
- 無程式碼 ML 與 Forecast 流程可縮短從準備好的金級資料集到可運作預測端點的路徑。
- Lab 支援 pandas 與熟悉的繪圖函式庫，並可儲存轉換結果而不覆寫來源資料表。
缺點
- 未公布確切付費價格、免費方案配額與計費週期，因此難以規劃預算。
- 團隊必須先完成金級資料集工作流程中的準備步驟，才能使用自己的正式環境資料訓練模型。
- 公開資料對整合廣度與企業控制措施著墨有限，因此可能難以在早期判斷是否合用。
價格方案
免費方案
$0
- 開始建置並評估平台
- 使用範例資料進行初步模型工作流程
- 未提供公開的用量限制
* 價格資訊僅供參考，請以Heimdall官網最新公告為準。
常見問題
它整合 Lake 資料目錄、Lab Python 筆記本，以及用於模型訓練與部署的 ML、Forecast 和 Loop 產品。
可以。使用金級資料集完成訓練後，模型擁有者可以為正式環境的 REST 端點產生 API 金鑰。
Forecast 金級資料集至少需要 30 列資料、一個可解析的日期時間欄位，以及一個數值欄位。
工具資訊
開發商Heimdall
釋出日期2026/4/5
定價模式freemium