รายการคุณสมบัติของ SAS Model Manager
ทะเบียนรุ่น
ทะเบียนรุ่น
- จัดเตรียมหน้าเว็บที่มีข้อมูลเกี่ยวกับคุณสมบัติและฟังก์ชันใหม่ที่เผยแพร่ในแต่ละเดือน ตลอดจนเนื้อหา "วิธีการ" และความสามารถในการโต้ตอบกับชุมชนผู้ใช้
- จัดเตรียมที่เก็บข้อมูลเวอร์ชันที่ปลอดภัย เชื่อถือได้สำหรับโมเดลทุกประเภท ตลอดจนการดูแลระบบการเข้าถึง รวมถึงความสามารถในการสำรองและกู้คืน การป้องกันการเขียนทับ และการบันทึกเหตุการณ์
- เมื่อลงทะเบียนแล้ว โมเดลจะสามารถค้นหา, สืบค้น, จัดเรียง และกรองตามแอตทริบิวต์ที่ใช้จัดเก็บได้ เช่น ประเภทของสินทรัพย์, อัลกอริธึม, อินพุตหรือตัวแปรเป้าหมาย, ID โมเดล ฯลฯ รวมถึงคำหลักที่กำหนดโดยผู้ใช้และแก้ไขได้
- เพิ่มคุณสมบัติทั่วไปเป็นคอลัมน์ในรายการโมเดลและโปรเจ็กต์ เช่น ชื่อโมเดล, บทบาท, ประเภทของอัลกอริธึม, วันที่แก้ไข, แก้ไขโดย, ตำแหน่งที่เก็บ, คำอธิบาย, เวอร์ชัน และคีย์เวิร์ด (แท็ก)
- เข้าถึงแบบจำลองต่างๆ รวมถึงแบบจำลองด้านคะแนนที่ประดิษฐ์ขึ้น ด้วย REST API แบบเปิด
- รองรับโมเดล Python โดยตรงสำหรับการให้คะแนนและการเผยแพร่ แปลง PMML และ ONNX (โดยใช้ dlPy) เป็นโมเดล SAS มาตรฐานประเภทต่างๆ จัดการและกำหนดเวอร์ชันของโค้ด R เหมือนโค้ดประเภทอื่นๆ
- ให้การบัญชีและการตรวจสอบได้ รวมถึงการบันทึกเหตุการณ์ของการดำเนินการที่สำคัญ เช่น การสร้างโมเดล การสร้างโครงการ และการเผยแพร่
- ส่งออกโมเดลเป็นรูปแบบ .ZIP รวมถึงเนื้อหาไฟล์โมเดลทั้งหมดสำหรับการเคลื่อนย้ายข้ามสภาพแวดล้อม
- คัดลอกโมเดลจากโครงการหนึ่งไปยังอีกโครงการหนึ่งได้อย่างง่ายดาย ทำให้การเคลื่อนย้ายโมเดลภายในที่เก็บง่ายขึ้น
การจัดการลำดับงานการวิเคราะห์
การจัดการเวิร์กโฟลว์เชิงวิเคราะห์
- จัดทำกระบวนการของแต่ละแบบจำลองเอง โดยใช้ SAS Workflow Studio
- ผสานโปรแกรมจัดการลำดับงานกับ SAS Model Manager ได้อย่างเต็มที่ เพื่อให้จัดการลำดับงานและติดตามงานในลำดับงานที่ใช้อินเตอร์เฟสในผู้ใช้แบบเดียวกัน
- นำเข้า อัพเดท และส่งออกแบบจำลองทั่วไปในระดับโฟลเดอร์ แล้วทำซ้ำหรือเคลื่อนไปยังโฟลเดอร์อื่น
- อำนวยความสะดวกในการทำงานร่วมกันระหว่างทีมด้วยการแจ้งเตือนอัตโนมัติ
- ดำเนินการจัดการโมเดลทั่วไป เช่น การนำเข้า การดู และการแนบเอกสารสนับสนุน การกำหนดโมเดลผู้ชนะเลิศของโปรเจกต์และแฟล็กโมเดลผู้ท้าชิง เผยแพร่โมเดลเพื่อวัตถุประสงค์ในการให้คะแนน และการดูรายงานแดชบอร์ด
- ความโปร่งใสและการกำกับดูแลการวิเคราะห์ช่วยให้มองเห็นกระบวนการวิเคราะห์ของคุณด้วยที่เก็บโมเดลแบบรวมศูนย์ เทมเพลตวงจรชีวิต และการควบคุมเวอร์ชัน ตรวจสอบย้อนกลับและการกำกับดูแลการวิเคราะห์ได้อย่างสมบูรณ์
Model scoring
Model scoring
- วางการผสานการทำงานกันของ Python, SAS หรือโมเดลโอเพ่นซอร์สอื่นๆ ในโครงการเดียวกันเพื่อให้ผู้ใช้เปรียบเทียบและประเมินโดยใช้สถิติที่เหมาะกับโมเดลต่างๆ
- ตั้งค่า รักษา และจัดการเวอร์ชั่นแต่ละแบบจำลอง
- โมเดลที่ชนะเลิศถูกกำหนดให้เป็นเวอร์ชันใหม่โดยอัตโนมัติเมื่อโมเดลถูกตั้งค่าเป็นผู้ชนะเลิศ อัปเดตหรือเผยแพร่ในโครงการ
- เลือก Challenger model ให้กับโครงการสร้าง Champion model
- ตรวจสอบและเผยแพร่ Challenger model และ Champion model
- กำหนดงานคะแนนการทดสอบและการผลิตสำหรับโมเดล SAS และ Python โดยใช้อินพุตและเอาต์พุตที่จำเป็น
- สร้างและดำเนินการให้คะแนน และระบุตำแหน่งที่จะบันทึกเอาต์พุตและประวัติงาน
- เปรียบเทียบโมเดลโดยละเอียดเพื่อประเมินและเลือกโมเดลผู้ชนะเลิศจากโมเดลที่แข่งขันกันทั้งหมดอย่างรวดเร็ว (SAS และโอเพ่นซอร์ส) สำหรับปัญหาทางธุรกิจที่เฉพาะเจาะจง
การปรับใช้โมเดล
การปรับใช้โมเดล
- คุณสามารถเผยแพร่โมเดลไปยังชุดงาน/ระบบปฏิบัติการ เช่น เซิร์ฟเวอร์ SAS, ในฐานข้อมูล, ใน Hadoop/Spark, เซิร์ฟเวอร์ SAS Cloud Analytic Services (CAS) หรือไปยังระบบตามความต้องการโดยใช้การบริการ Micro Analytic Score (MAS) ได้โดยขึ้นอยู่กับรูปแบบการใช้
- เผยแพร่โมเดล Python และ SAS ไปยังคอนเทนเนอร์รันไทม์ด้วยไฟล์ไบนารีและโค้ดคะแนนแบบฝัง เพิ่มระดับคอนเทนเนอร์รันไทม์ไปยังสภาพแวดล้อม Docker, AWS Docker และ Amazon EKS (บริการ Kubernetes แบบยืดหยุ่น) ภายใน
- ปลายทางการเผยแพร่คอนเทนเนอร์ Azure ใหม่สำหรับโมเดลโอเพ่นซอร์ส
- เผยแพร่ SAS และโมเดลโอเพ่นซอร์สไปยัง Azure Machine Learning ในฐานะคอนเทนเนอร์ Azure
- เผยแพร่โมเดล SAS โดยใช้คอนเทนเนอร์รันไทม์ของ SAS
การตรวจสอบโมเดล
การตรวจสอบโมเดล
- ตรวจสอบประสิทธิภาพของโมเดลด้วยรหัสคะแนนประเภทใดก็ได้ รายงานประสิทธิภาพที่สร้างขึ้นสำหรับผู้ชนะเลิศและผู้ท้าชิงโมเดล R, Python และ SAS รวมถึงแผนภาพการกระจายตัวแปร แผนภูมิยก แผนภูมิความเสถียร รายงาน ROC, KS และ Gini ด้วย SAS Visual Analytics โดยใช้ชุดผลลัพธ์การรายงานประสิทธิภาพ
- รายงานในตัวแสดงค่าตัวเลขทางธุรกิจสำหรับข้อมูลอินพุตและเอาต์พุตและสถิติที่เหมาะสมสำหรับการจัดหมวดหมู่และโมเดลการถดถอยเพื่อประเมินว่าจะฝึกใหม่ เลิกใช้ หรือสร้างโมเดลใหม่ รายงานประสิทธิภาพสำหรับโมเดลการวิเคราะห์ผู้ชนะเลิศและผู้ท้าชิงที่เกี่ยวข้องกับ Python, SAS, R และอื่นๆ พร้อมสถิติความแม่นยำที่แตกต่างกัน
- ตรวจสอบประสิทธิภาพของโมเดลที่ชนะเลิศสำหรับโครงการทั้งหมดโดยใช้ข้อกำหนดและการดำเนินการของรายงานประสิทธิภาพ
- กำหนดเวลางานที่เกิดซ้ำและงานในอนาคตสำหรับการตรวจสอบประสิทธิภาพ
- ระบุแหล่งข้อมูลและระยะเวลาการรวบรวมหลายรายการเมื่อกำหนดงานการตรวจสอบประสิทธิภาพ
- สร้างรายงานประสิทธิภาพที่กำหนดเอง และสร้างและตรวจสอบ KPI ของธุรกิจที่กำหนดเองด้วยการเข้าถึงข้อมูลประสิทธิภาพของโมเดล
- สร้างโมเดลประสิทธิภาพ KPI แบบกำหนดเองได้ทันทีโดยใช้วิซาร์ดที่สะดวก และรับการแจ้งเตือนง่ายๆ