SAS^® Visual Data Mining and Machine Learning

機械学習&ディープラーニング

SAS Visual Data Mining and Machine Learning

独自の自動モデリングAPIを備えた協調的な単一の統合型ソリューションで最も複雑な分析問題を解決

「The Forrester Wave^™：Multimodal Predictive Analytics and Machine Learning」2020年第3四半期版がSASをリーダーとして評価

データ管理からモデルの開発／展開に至るまで、全員が同じ統合環境で作業可能

洞察の自動生成機能で複雑なアナリティクス課題も容易に解決

SAS Visual Data Mining and Machine Learningは、すべてのモデルで最も一般的な変数、モデル間で選択された最も重要な変数、およびすべてのモデルの評価結果を特定するためのインサイトを自動的に生成します。自然言語生成機能を用いて平易な言葉でプロジェクト・サマリーが作成されるのでユーザーは容易にレポートを解釈できます。アナリティクス・チームのメンバーは、チーム・メンバー間でのコミュニケーションやコラボレーションを促進するためにインサイト・レポートにプロジェクト・ノートを追加することも可能です。

幅広いユーザーを想定した言語オプション：

SASコードを知らなくても問題ありません。SAS Visual Data Mining and Machine Learningでは、ユーザーは分析の中にオープンソース・コードを埋め込み、パイプライン内でオープンソースのアルゴリズムを呼び出し、共通のリポジトリからこれらのモデルにアクセスすることができます。一連の操作はModel Studio内でシームレスに行うことができます。これにより、ユーザーは選択した言語でこれらすべてを実行できるため、組織全体のコラボレーションが促進されます。また、SASがGitHub上で提供しているオープンソース・パッケージであるSAS Deep Learning with Python（DLPy）を活用することも可能なので、Jupyter notebook内でPythonを使ってコンピューター・ビジョン、自然言語処理、予測、音声処理といったディープ・ラーニング機能向けの高度なAPI群にアクセスできます。DLPyは、フレームワーク間でのモデル移動を容易にするためのフォーマットであるOpen Neural Network Exchange（ONNX）をサポートします。

複数のアプローチを速やかに探索して最適解を発見

超並列処理（MPP）が実現する優れたパフォーマンスと、機械学習モデリング・プロセス（パイプライン）のために用意された豊富な機能により、複数のアプローチを迅速に探索し比較することができます。必要なオプションを選択するだけで、多様な機械学習アルゴリズム（例：決定木、ランダムフォレスト、勾配ブースティング、ニューラル・ネットワーク、サポート・ベクター・マシン（SVM）、ファクタライゼーション・マシンなど）の最適なパラメータ設定を迅速かつ容易に見つけることができます。複雑な局所的探索最適化ルーチンが背後で高度な処理を実行し、効率的かつ効果的にモデルを調整します。新しい種類のデータからより価値ある洞察を導き出すために、統合された機械学習プログラムの中で非構造化データと構造化データを組み合わせることも可能です。また、アナリティクス・ライフサイクルのあらゆるステージにおいて再現性が確保されるため、常に信頼性の高い答えや洞察が得られます。

分析チームの生産性が飛躍的に向上

データ・サイエンティストやビジネスアナリストなどの分析プロフェッショナルは、機械学習パイプライン全体をサポートする単一のコラボレーション環境から非常に正確な結果を取得できます。さまざまなユーザーがデータのアクセスと準備を行うことができます。探索的分析を実行します。機械学習モデルを構築して比較します。予測モデル導入用スコアコードを作成します。ワンクリックでモデルの展開を実行します。そして、自動化されたモデリングAPIを使用して、これまで以上に素早くすべての処理を実行します。

データと意思決定の間のレイテンシーを削減

コラボレーションの理解を深めるために、このソリューションは、実行されているメソッド、およびメソッド、結果、解釈に関する情報を説明する各ノード内のビジネスフレンドリーな注釈をすべてのユーザーに提供します。

平易な言葉でモデルを解釈

内蔵の自然言語生成機能による平易な言葉での説明を含む標準の解釈可能性レポート（LIME、ICE、Kernel SHAP、PDヒートマップなど）をすべてのモデリング・ノードで利用することができます。モデリングのインサイトをPDFレポートとしてエクスポートし、データ・サイエンス・チームの外部と共有できます。

試用版（英語）

主な特長

包括的なビジュアル（およびプログラミング）インターフェイスは、エンドツーエンドのデータマイニングと機械学習プロセスをサポートします。すべてのスキル・レベルの分析アナリティクス・チーム・メンバーは、すべてのアナリティクス・ライフサイクル・タスクを自動化されたシンプルで強力な方法で処理できます。

主な特長の一覧

プロシジャの詳細を確認

CASアクションの表示

データアクセス、データ準備、データ品質

AI機能を内蔵したセルフサービス型のデータ準備機能を提供する直感的なインターフェイスを用いて、データのアクセス／プロファイリング／クレンジング／変換を行えます。

カスタム・チャットボットの作成

直感的でローコードのビジュアル・インターフェイスを通じてカスタムの自然言語チャットボットを作成・展開し、チャット方式の洞察獲得や会話型のユーザー体験を実現できます。

データ・ビジュアライゼーション（視覚化）

単一のセルフサービス型インターフェイスを通じて、データを視覚的に探索し、スマートなビジュアライゼーションや対話操作型レポートを作成して共有できます。拡張アナリティクスや各種の高度な機能により、洞察が加速され、データに潜むストーリーの解明が促進されます。

合成データ生成

敵対的生成ネットワーク（GAN）を利用して、ディープ・ラーニング・モデル用の合成データ（画像と表形式の両方）を生成します。

自動化されたインサイトと解釈可能性

プロジェクト、チャンピオンおよびチャレンジャー・モデルに関するサマリー・レポートを含むインサイトを自動的に生成します。埋め込まれた自然言語生成によるシンプルな言語は、レポートの解釈を容易にし、ビジネスアナリストの学習曲線を短縮します。モデリングのインサイトをPDFレポートで共有できます。

バイアス検出

指定したグループに関連するパフォーマンスと結果の両方のバイアスについてモデルを評価します。

最先端の機械学習

Fitted Q-Network、Deep Q-Network、またはActor-Criticによる強化学習を利用して、カスタム環境をサポートしつつ、連続した意思決定の問題を解決します。

決定木の制御

決定木ノードの分割と剪定をインタラクティブに調整してビジネス知識を反映し、規制上の制約を適用します。

自動化された特徴量エンジニアリングおよびモデリング

時間を節約し、生産性を高めます。自動化された特徴量エンジニアリングでは、データ変換における重要度を示すためにランク付けすることで、モデリングに最適な特徴セットを選択します。ビジュアル・パイプラインはデータから動的に生成されますが、ホワイト・ボックス・モデルのまま編集することもできます。

自動モデリングのためのパブリックAPI

自動化オプションを選択するだけで、エンドツーエンドのモデル開発と展開のための自動モデリング用のパブリックAPIを利用できます。または、このAPIを使用して、独自のカスタム予測モデリング・アプリケーションを構築／展開します。developer.sas.comの例を参照してください。

PythonとONNXもサポートするディープ・ラーニング

Pythonユーザーは、GitHubのSAS Deep Learning with Python（DLPy）オープンソース・パッケージ経由で、Jupyter ノートブック内のディープ・ラーニング機能のための高レベルAPIにアクセスできます。DLPyは、フレームワーク間でのモデル移動を容易にするためのフォーマットであるOpen Neural Network Exchange（ONNX）をサポートします。ONNXモデルを使用し、Analytic Store（ASTORE）の活用によってさまざまな環境の新しいデータセットをスコアリングします。

使いやすいアナリティクス

ベストプラクティス・テンプレートを使用すると、モデルの構築を一貫して迅速に開始でき、アナリティクス・チーム内での一貫性を確保できます。分析機能には、クラスタリング、さまざまな種類の回帰、ランダムフォレスト、勾配ブースティング・モデル、サポートベクターマシン、自然言語処理、トピック検出などが含まれます。

ネットワーク分析

汎用性の高い一連のネットワーク・アルゴリズムを使用してデータマイニングと機械学習のアプローチを強化し、明示的または暗黙的にビジネスデータの一部であるネットワーク（ソーシャル、金融、通信など）の構造を探索します。

拡張性の高いインメモリ分析処理

安全なマルチユーザー環境でメモリ内のデータへの同時アクセスを取得します。データと分析ワークロード操作をノード間で並列に分散し、各ノードでマルチスレッド化することにより極めて優れた高速性を確保します。

コンピュータ・ビジョンおよびバイオメディカル・イメージング

サーバー、エッジ、またはモバイルでのモデル展開で画像を取得して分析します。画像の注釈付けなど、生物医学画像を分析するためのエンドツーエンドのフローをサポートします。

任意の言語のコード

モデラやデータ・サイエンティストは、好みのコーディング環境（Python、R、Java、Lua）からSASの機能にアクセスし、SAS Viya REST APIを使用してSASのパワーを他のアプリケーションに追加できます。

クラウド・ネイティブ

SAS Viyaのアーキテクチャは、コンパクトかつクラウド・ネイティブで高速です。SAS Cloudでも、パブリック／プライベート・クラウド・プロバイダでも、クラウドの投資から最大限の価値を創出することができます。

SAS Visual Data Mining and Machine Learningの詳細をビデオでご確認ください

クラウド・プロバイダー

実験的なものからミッションクリティカルなものまで、あらゆるアナリティクスの課題を、クラウドでの迅速な意思決定で克服しましょう。SAS Viyaの最新版は、以下のクラウド・プロバイダーで利用可能です。

SAS Cloud

SAS Viyaの最新バージョンはMicrosoft Azure上で自然に動作しますので、SASクラウドにより分析プラットフォーム全体が管理し、最適なパフォーマンスと価値が実現できます。

SAS Cloudについて詳しく

Azure

Microsoft社は当社の戦略パートナーであり、推奨クラウド・プロバイダーでもあります。SASとMicrosoftは、深いレベルの統合とロードマップの共有により、クラウドにおけるAIとアナリティクスの未来の形成を推し進めています。

SAS on Azureについて詳しく

AWS

クラウド・ネイティブとなるように設計されているSAS Viyaは、数百万のAWSユーザーが利用しているのと同じ各種クラウドサービスを活用できることに関してテストおよび承認されています。

SAS on AWSについて詳しく

GCP

イノベーションとオープンソース・クラウド原則にコミットしているSAS Viyaは、Google CloudにネイティブのAIと高度なアナリティクスをもたらします。

SAS on GCPについて詳しく

Red Hat OpenShift

近日登場予定です。Red HatとSASは、データセンター内かクラウド上か、あるいはその併用かを問わず、アナリティクスの導入展開と利用をより容易に行えるようにします。

SAS on OpenShiftについて詳しく

SAS Viyaのメリットの詳細

SAS Visual Data Mining and Machine Learningの詳細情報と関連情報

下のメニューを使うと、リソースをタイプ別に閲覧できます。

- リソースのタイプを選んでください
- Analyst Report
- Article
- Blog Post
- Book Excerpt
- Case Study
- Customer Story
- E-Book
- Executive Brief
- Fact Sheet
- Industry Overview
- Infographic
- Interview
- Overview Brochure
- Product Brief
- Research
- Series
- Solution Brief
- Video
- Webinar
- White Paper
- White Paper