Le ML Core Snap Pack offre une collection complète de Snaps qui gèrent le cycle de vie de l'apprentissage automatique - de l'entraînement et de la validation du modèle à la prédiction et à l'optimisation. Que vous soyez un data scientist construisant des modèles prédictifs sophistiqués ou un analyste commercial automatisant des prévisions et des classifications, ce Snap Pack fournit des implémentations prêtes à la production d'algorithmes d'apprentissage automatique de pointe, tous accessibles via l'interface visuelle de SnapLogic.
Entraînez des modèles sur vos données, validez leur précision avec la validation croisée K-fold, appliquez-les pour prédire des résultats sur de nouvelles données et explorez systématiquement différents algorithmes et paramètres pour trouver la solution optimale pour votre cas d'utilisation. Le ML Core Snap Pack vous permet d'exécuter des scripts Python personnalisés directement au sein de vos les workflows, vous offrant ainsi le meilleur des deux mondes : la rapidité et l'accessibilité de l'intégration low-code combinées à la puissance illimitée du code lorsque vous en avez besoin.
Utilisez les boutons-pression de ce paquet de boutons-pression pour :
- Effectuer une validation croisée K-fold pour les ensembles de données de classification et de régression.
- Former des modèles à l'aide d'algorithmes d'apprentissage automatique de pointe.
- Appliquer des modèles pour prédire des données non étiquetées.
- Exécuter des scripts Python et tirer parti des bibliothèques d'apprentissage automatique Python
- Automatiser le processus d'exploration et de réglage des modèles d'apprentissage automatique
Le ML Core Snap Pack comprend les snaps suivants :
- Validation croisée - Classification: Validation croisée des modèles de données de classification à l'aide d'algorithmes et choix du meilleur algorithme possible pour l'ensemble des données.
- Cross-Validator - Régression: Validation croisée des modèles de données de régression à l'aide d'algorithmes et choix du meilleur algorithme possible pour l'ensemble des données.
- Prédicteur - Classification: Prédire les données non étiquetées d'un ensemble de données de classification à l'aide d'un modèle de données.
- Prédicteur - Régression: Prédire les données non étiquetées d'un ensemble de données de régression à l'aide d'un modèle de données.
- Formateur - Classification: Former/générer un modèle de données pour un ensemble de données de classification à l'aide d'algorithmes.
- Formateur - Régression: Former/générer un modèle de données pour un ensemble de données de régression à l'aide d'algorithmes.
- Script Python à distance: Exécuter des scripts Python à distance sur le serveur Python.
- AutoML: Automatisez le processus de formation d'une large sélection de modèles d'apprentissage automatique candidats en fournissant des entrées minimales.
- Regroupement: Effectuer une analyse exploratoire en identifiant les groupes cachés dans les données.
Pour en savoir plus, consultez la page de documentation.
