SAS^® VISUAL DATA MINING AND MACHINE LEARNING

あらゆる複雑なアナリティクス課題の解決に必要な全てがここに ─ 単一の統合型コラボレーティブソリューション

無償試用版利用ガイド　

SAS is a Leader in The Forrester Wave™: Multimodal Predictive Analytics and Machine Learning, Q3 2020.

Supports the end-to-end data mining and machine learning process with a comprehensive visual – and programming – interface. Empowers analytics team members of all skill levels with a simple, powerful and automated way to handle all tasks in the analytics life cycle.

Automated insights & interpretability

Automatically generates insights, including summary reports about the project, champion models and challenger models. Simple language from embedded natural language generation facilitates report interpretation and reduces the learning curve for business analysts.

Automated feature engineering & modeling

Saves time and improves analytics team productivity. Automated feature engineering selects the best set of features for modeling by ranking them to indicate their importance in transforming your data. Visual pipelines are dynamically generated from your data, yet are editable to remain as a white box model.

Public API for automated modeling

Lets you take advantage of the public API for automated modeling for end-to-end model development and deployment simply by choosing the automation option. Or use this API to build and deploy your own custom predictive modeling applications. See examples on developer.sas.com.

Easy-to-use analytics

Provides best practices templates that enable a quick, consistent start to building models, and ensures consistency among the analytics team. Analytical capabilities include clustering, different types of regression, random forest, gradient boosting models, support vector machines, natural language processing, topic detection, etc.

Network analytics

Augments data mining and machine learning approaches using a versatile set of network algorithms to explore the structure of networks – social, financial, telco and others – that are explicitly or implicitly part of business data.

Deep learning with Python & ONNX support

Enables Python users to access high-level APIs for deep learning functionalities within Jupyter notebooks via the SAS Deep Learning with Python (DLPy) open source package on GitHub. DLPy supports the Open Neural Network Exchange (ONNX) for easily moving models between frameworks.

Integrated data preparation, exploration & feature engineering

Lets data engineers quickly build and run transformations, augment data and join data within the integrated visual pipeline of activities using a drag-and-drop interface. Performs all actions in memory to maintain data structure consistency.

Highly scalable in-memory analytical processing

Enables concurrent access to data in memory in a secure, multiuser environment. Distributes data and analytical workload operations across nodes – in parallel – multithreaded on each node for very fast speeds.

Computer vision & biomedical imaging

Lets you acquire and analyze images with model deployment on server, edge or mobile. Supports the end-to-end flow for analyzing biomedical images, including annotating images.

Code in your language of choice

Lets modelers and data scientists access SAS capabilities from their preferred coding environment – Python, R, Java or Lua – and add the power of SAS to other applications with SAS Viya REST APIs.

データマイニングと機械学習の全工程をサポートしており、アナリティクス・ライフサイクルの全てのタスクに対応した包括的な機能を提供。また、理解しやすいビジュアル・インターフェイスと本格的なプログラミング・インターフェイスの両方を搭載

柔軟で取り組みやすいビジュアルなアナリティクス環境

複数のユーザーが同時に、使いやすいビジュアルなインターフェイスを用いて、どのような量の構造化／非構造化データも分析できます。

拡張性の高いインメモリ分析処理

セキュアなマルチユーザー環境により、複数のユーザーが同時にメモリ内のデータにアクセスできます。また、データと分析ワークロードは複数のノードに分散されて並列実行され、さらに各ノード内でマルチスレッド処理されるため、極めて高速な処理が実現します。

製品資料を見る

データ準備、データ探索、特徴量生成の統合

データ・エンジニアはドラッグ&ドロップ操作のインターフェイスを用いて、統合されたビジュアルなパイプラインの中で、変換処理の作成と実行、データの拡張、データの結合などを素早く実行できます。全てのアクションはメモリ内で実行され、データ構造の一貫性が常に維持されます。

テキスト分析の統合

テキストデータを、一部ではなく全体を探索することで、未知のテーマや関連性について新たな洞察を獲得できます。

統計、データマイニング、機械学習に関する革新的な手法を搭載

統計、機械学習、ディープ・ラーニング、テキスト・アナリティクスに関する最先端のアルゴリズムを極めて広範に搭載しており、単一の環境内でその全てを利用できます。クラスタリング、多種多様な回帰手法、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（SVM）、自然言語処理、トピック抽出などの分析機能を標準装備しています。

モデルの評価とスコアリング

複数のモデリング・アプローチを1回の実行でテストでき、標準化された方法で複数の教師あり学習アルゴリズムの結果を比較することで、速やかにチャンピオン・モデルを特定できます。その後は、分散環境か従来の環境かを問わず、自動生成されたSASスコアコードを使ってアナリティクスを業務に組み込むことができます。

アクセス性とクラウド対応

モデル作成者やデータ・サイエンティストは、Python、R、Java、Luaのどれを使用する場合でも、好みのコーディング環境からSASの機能を利用できます。また、SAS Viya REST APIを通じて、SASのパワーを他のアプリケーションに追加することも可能です。

主な特長の一覧

システム要件（英語）

プロシジャ一覧

データ管理からモデルの開発・展開まで、全ての工程にかかわる全ての担当者が、同じ統合環境の中で作業できます。

複雑なアナリティクス課題をより短時間で解決

SAS Visual Data Mining and Machine Learningは、SAS® Viya® を実行基盤として採用しており、データ・ラングリング（データのぶつけ合い）から、探索、特徴量生成、さらには統計解析、データマイニング、機械学習の最新手法までの全てを、単一のスケーラブルなインメモリ処理環境で組み合わせます。このソリューションは、スキルセットの異なる幅広いユーザーをサポートする極めてビジュアルかつコラボレーティブなワークスペースを提供します。

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、分析の中にオープンソース・コードを組み込むことで、Model Studioのフロー内でオープンソースのアルゴリズムをシームレスに呼び出すことができます。これにより、ユーザーは好みの言語でプログラムを作成できるため、組織全体でコラボレーションが促進されます。Model Studioの新しいノードはPythonまたはRソフトウェアのバージョンに依存せず動作するため、同僚から受け取ったコードがどのバージョンでも問題なく使用できます。

複数のアプローチを速やかに探索し最適解を発見

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。このソリューションでは、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。

アナリティクス担当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その他の分析担当者は、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、極めて正確な結果を導き出すことができます。このソリューションにより、幅広いユーザーがデータにアクセスしデータ準備を行うことができます。探索的分析の実行、機械学習モデルの構築と比較、予測モデルを実装するためのスコアコードの作成、ワンクリックでのモデル展開まで、あらゆる作業をかつてないほど迅速に行うことができます。

データ取得から意思決定までのタイムラグを短縮

協働作業において理解を深めるため、このソリューションは全てのユーザーに対し、ビジネスユーザーでも理解しやすい注釈を個々のノード内で提供します。注釈には、どのような手法が実行されているかの説明や、手法、結果、解釈に関する情報が示されます。全てのモデリング・ノードで、LIME、ICE、PDプロットを含む、標準装備の解釈可能性レポートも利用できます。

Interpret models using simple language.

Standard interpretability reports are available in all modeling nodes, including LIME, ICE, Kernel SHAP, PD heatmaps, etc., with explanations in simple language from embedded natural language generation.