SAS® Visual Data Mining and Machine Learning

SAS® Visual Data Mining and Machine Learning

Ogromny wzrost wydajności. Innowacyjne algorytmy.
Jedno środowisko in memory.



SAS Visual Statistics on SAS Viya shown on three desktop monitors

Interaktywne i programistyczne interfejsy. Innowacyjne algorytmy. Szybkie przetwarzanie in memory (w pamięci). Oprogramowanie SAS Visual Data Mining i Machine Learning likwiduje bariery związane z ilością i zróżnicowaniem danych, ograniczenia szczegółowości analiz oraz wąskie gardła w procesach obliczeniowych. Oznacza to większą produktywność oraz szybsze uzyskanie bardziej szczegółowych informacji.

Visual Data Mining and Machine Learning screenshot of decision tree results with tasks and utilities dropdown menu and options pane shown on desktop monitor

 

 

Szybsze rozwiązywanie złożonych problemów analitycznych.

SAS® Viya™ - nowa platforma in memory, umożliwiająca uzyskanie przełomowej wydajności w modelowaniu predykcyjnym i uczeniu maszynowym. Przechowywanie danych w pamięci eliminuje konieczność wielokrotnego ładowana danych na potrzeby powtarzalnych procesów analitycznych. Wielu użytkowników może ze sobą współpracować, eksplorując te same surowe dane, i jednocześnie budować modele. Przetwarzanie danych na potrzeby modelowania analitycznego będzie kwestią sekund lub minut - nie godzin. Znacznie przyspieszone zostanie także znajdowanie rozwiązań skomplikowanych problemów.

Visual Data Mining and Machine Learning showing Python ROC plot on desktop monitor

 

 

Dostęp do wydajnych narzędzi SAS® Analytics z otwartej platformy.

Nie znasz kodu SAS? To żaden problem. Aby w pełni korzystać z potencjału narzędzi SAS do zaawansowanej analityki, wystarczy posiadać umiejętność programowania w otwartej platformie. Jeżeli używasz języków Python, Java, R lub Lua, możesz wywoływać funkcje SAS Analytics, posługując się preferowanym językiem w naszym zarządzanym środowisku światowej klasy. Z kolei API REST umożliwią dodanie funkcji SAS Analytics do indywidualnie opracowanych aplikacji.

Viya Data Mining and Machine Learning screenshot of autotune options and utilities pane shown on desktop monitor

 

 

Szybka analiza wielu podejść w celu znalezienia optymalnego rozwiązania.

Najwyższa wydajność rozproszonego silnika analitycznego i wyposażone w liczne funkcje elementy składowe procesu uczenia maszynowego umożliwiają szybkie i łatwe badanie oraz porównywanie wielu scenariuszy. Zautomatyzowane strojenie modeli pozwala testować różne scenariusze w zintegrowanym środowisku, aby zidentyfikować najwydajniejszy model i znaleźć precyzyjne odpowiedzi.

Data Mining and Machine Learning Gradient Boosting Code with Tasks and Utilities Pane and Options Menu Pane

 

 

Zwiększenie produktywności specjalistów data science.

Specjaliści data science i inni analitycy znacznie zwiększą swoją produktywność dzięki jednolitemu, zintegrowanemu środowisku in memory. Mogą oni uzyskiwać dostęp do danych i je przetwarzać. Mogą przeprowadzać analizy eksploracyjne. Mogą budować i porównywać modele uczenia maszynowego. Mogą tworzyć kod scoringowy do wdrażania modeli predykcyjnych. I wreszcie - mogą wykonywać wszystkie te czynności szybciej niż dotychczas.  

 

 

 

SAS Visual Data Mining and Machine Learning visual interface shown on desktop monitor

 

 

Wykonywanie zadań z zakresu uczenia maszynowego w rozbudowanym interfejsie wizualnym lub programistycznym.

Oparte na stronie www interfejsy wizualne i programistyczne zapewniają intuicyjne środowisko, umożliwiające łatwe skonfigurowanie typowych etapów uczenia maszynowego. Do kodowania projektów można używać języka SAS lub innych języków, takich jak Python, R, Java czy Lua. Kod SAS jest generowany w tle na potrzeby trybu wsadowego, edycji i automatyzacji. Można również tworzyć zaawansowane algorytmy uczenia maszynowego, wykorzystując interfejs „przeciągnij i upuść”, a więc bez konieczności kodowania.

Funkcjonalności

  • Elastyczne środowisko programowania oparte na stronie www. Interaktywne, oparte na stronie www interfejsy wizualne i programistyczne umożliwiają realizację najbardziej typowych etapów uczenia maszynowego - od przygotowania danych po budowanie modelu, ocenę i scoring.
  • Wysoce skalowalne przetwarzanie danych in memory w celach analitycznych. Silnik przetwarzania analitycznego, zoptymalizowany pod kątem wielokrotnych obliczeń analitycznych, zapewnia bezpieczne środowisko, umożliwiające pracę wielu użytkownikom z jednoczesnym dostępem do danych w pamięci. Wbudowana tolerancja błędów i zarządzanie pamięcią gwarantują każdorazowe zakończenie procesu.
  • Wydajna obróbka danych i zarządzanie danymi. To samo rozproszone środowisko in memory jest wykorzystywane do przygotowywania danych do analizy - uzyskiwanie dostępu do danych, łączenie tabel, przygotowywanie podzbiorów i filtrowanie danych oraz tworzenie finalnej tabeli do projektów uczenia maszynowego.
  • Eksploracja danych, inżynieria cech i zmniejszanie rozmiaru danych. Statystyki opisowe i wydajne programowanie graficzne pozwalają wyszukiwać i naprawiać problemy z danymi, szybko identyfikować potencjalne predyktory, zmniejszać rozmiary wielkich zbiorów danych i łatwo tworzyć nowe cechy z oryginalnych danych.
  • Otwarta platforma. Algorytmy SAS można wywoływać za pomocą różnych języków programowania - takich Python, R, Java lub Lua - bez konieczności kodowania w języku SAS. Można także dodawać funkcje SAS Analytics do indywidualnie opracowanych aplikacji, używając do tego publicznych API REST.

 

  • Nowoczesne techniki analizy statystycznej oraz eksploracji danych i uczenia maszynowego. Rozwiązanie obejmuje wydajne algorytmy nienadzorowanego i nadzorowanego uczenia, takie jak klasteryzacja, analiza głównych składowych, regresja liniowa i nieliniowa, regresja logistyczna, drzewa decyzyjne, lasy losowe, zwiększanie gradientu, sieci neuronowe, algorytmy faktoryzacji (w tym faktoryzacja tensorów) oraz maszyny wektorów nośnych.
  • Zautomatyzowane strojenie modeli. Zautomatyzowane, inteligentne strojenie hiperparametrów pozwala odkrywać optymalne konfiguracje modeli. Można użyć 18 różnych miar oceny modelu jako celu strojenia i dokonać oceny albo z wykorzystaniem partycji walidacyjnej, albo wbudowanego mechanizmu walidacji krzyżowej.
  • Zintegrowana analiza tekstu. Zintegrowane możliwości analizy tekstu obejmują między innymi wydajne wstępne przetwarzanie tekstu, przetwarzanie języka naturalnego, wykrywanie tematów itd.
  • Ocena modeli i scoring. Możliwość testowania różnych podejść do modelu w jednej serii oraz porównywania wyników wielu algorytmów uczenia nadzorowanego ze standaryzowanymi testami w celu szybkiego wytypowania najlepszych modeli.

Demo

Interaktywny interfejs wizualny

Interfejsy programistyczne

Wywoływanie funkcji SAS Analytics z wykorzystaniem języka Python

SAS Viya

 

To rozwiązanie jest oparte na SAS Viya - nowoczesnej platformie, zdolnej sprostać każdemu wyzwaniu analitycznemu. SAS Viya, jako zunifikowane i gotowe do działania w chmurze środowisko, obsługuje wszystkich - od specjalistów data science i analityków biznesowych po deweloperów aplikacji i kadrę zarządzającą - dzięki niezawodnemu, skalowalnemu, bezpiecznemu zarządzaniu analityką oraz nadzorowi niezbędnemu w sprawnie funkcjonującym środowisku IT. Oferuje ono także wydajność, jakiej można oczekiwać od SAS - światowego lidera w dziedzinie analityki.

Rekomendowane zasoby


Zapoznaj się ze szczegółowymi informacjami w broszurze dotyczącej SAS Visual Data Mining i Machine Learning.


SAS liderem rankingu The Forrester Wave™: Predictive Analytics and Machine Learning Solutions, I kw. 2017 r.


Poznaj pięć największych błędnych przekonań dotyczących uczenia maszynowego.

Back to Top