Das ML Core Snap Pack beschleunigt die Erstellung, das Training und das Testen Ihres maschinellen Lernmodells. Mit dem ML Core Snap Pack können Datenwissenschaftler weiterhin in Python- und Jupyter Notebook-Umgebungen arbeiten und gleichzeitig von der Benutzerfreundlichkeit, der Geschwindigkeit und der einfachen Drag-and-Drop-Funktion von SnapLogic profitieren. AutoML-Funktionen sind in das ML Core Snap Pack eingebettet, damit Datenwissenschaftler mit minimalem Aufwand ihre eigenen Modelle für maschinelles Lernen erstellen können. Mit dem ML Core Snap Pack können Sie:
- Schnelles Trainieren, Testen und Kreuzvalidieren Ihres Modells mit einer visuellen Drag-and-Drop-Oberfläche.
- Nutzen Sie modernste ML-Algorithmen, die auf ausgereiften Open-Source-Bibliotheken basieren.
- Führen Sie Python-Skripte aus der Ferne aus, um Bibliotheken wie TensorFlow, Keras und andere zu nutzen.
- Reduzieren Sie die manuelle Kodierung für nicht-strategische Routineaufgaben im Lebenszyklus des maschinellen Lernens.
- Schnellere Feinabstimmung und Iteration Ihres Modells.
Das ML Core Snap Pack enthält die folgenden Snaps:
Cross-Validator - Klassifizierung: Kreuzvalidierung von Klassifizierungsdatenmodellen mit Algorithmen und Auswahl des bestmöglichen Algorithmus für den Datensatz.
Kreuz-Validierung - Regression: Kreuzvalidierung von Regressionsdatenmodellen mit Algorithmen und Auswahl des bestmöglichen Algorithmus für den Datensatz.
Prädiktor - Klassifizierung: Vorhersage der nicht beschrifteten Daten in einem Klassifizierungsdatensatz anhand eines Datenmodells.
Prädiktor - Regression: Vorhersage der nicht beschrifteten Daten in einem Regressionsdatensatz unter Verwendung eines Datenmodells.
Trainer - Klassifizierung: Trainieren/Erstellen eines Datenmodells für einen Klassifizierungsdatensatz unter Verwendung von Algorithmen.
Trainer - Regression: Trainieren/Erzeugen eines Datenmodells für einen Regressionsdatensatz unter Verwendung von Algorithmen.
Entferntes Python-Skript: Führen Sie Python-Skripte aus der Ferne auf dem Python-Server aus.
AutoML: Automatisieren Sie das Training einer großen Auswahl von Kandidaten für maschinelle Lernmodelle, indem Sie nur minimale Eingaben machen.
Clustering: Durchführung einer explorativen Analyse durch Identifizierung versteckter Gruppierungen in den Daten
Erstellen eines linearen Regressionsmodells per Drag-and-Drop
Das ML Core Snap Pack ermöglicht es Datenwissenschaftlern, Modelle mithilfe von Snaps zu konfigurieren, d. h. durch Ziehen und Ablegen. Der Snap "Predictor - Regression" enthält zum Beispiel mehrere hochmoderne Vorhersagealgorithmen (z. B. einen linearen Regressionsalgorithmus). Wenn ein Datenwissenschaftler ein lineares Regressionsmodell erstellen möchte, kann er dies tun, indem er diesen Snap einfach auf die Designer-Arbeitsfläche von SnapLogic zieht. Dadurch wird der Codierungsaufwand bei der Erstellung Ihres ML-Modells auf ein Minimum reduziert.
Die ML Snap Packs sind in SnapLogic Data Science enthalten, einer Erweiterung der Intelligent Integration Platform, die einen visuellen Drag-and-Drop-Ansatz für die Entwicklung und den Einsatz von Machine-Learning-Modellen bietet. Sehen Sie sich unsere anderen ML Snap Packs an: ML Data Preparation Snap Pack und ML Analytics Snap Pack.
Erfahren Sie mehr über das ML Core Snap Pack im Blogbeitrag "SnapLogic November 2018 Release: Revolutionieren Sie Ihr Geschäft mit intelligenter Integration".
