ML Core Snap Pack accelera la costruzione, l'addestramento e il test del modello di apprendimento automatico. Con ML Core Snap Pack, i data scientist possono continuare a lavorare in ambienti Python e Jupyter Notebook, sfruttando al contempo la facilità d'uso, la velocità e la semplicità del drag-and-drop di SnapLogic. Le funzionalità AutoML sono integrate nel pacchetto ML Core Snap Pack per consentire ai data scientist di creare i propri modelli di apprendimento automatico con il minimo sforzo. ML Core Snap Pack consente di:
- Addestramento, test e convalida incrociata rapidi del modello con un'interfaccia visiva drag-and-drop.
- Sfruttare algoritmi di ML all'avanguardia basati su librerie open source mature.
- Esecuzione di script Python in remoto per sfruttare librerie come TensorFlow, Keras e altre.
- Ridurre la codifica manuale per le attività non strategiche e di routine nel ciclo di vita dell'apprendimento automatico.
- Perfezionare e iterare il modello in modo più rapido.
L'ML Core Snap Pack comprende i seguenti snap:
Cross-Validator - Classificazione: Validazione incrociata dei modelli di classificazione dei dati mediante algoritmi e scelta del miglior algoritmo possibile per il set di dati.
Cross-Validator - Regressione: Validazione incrociata dei modelli di regressione utilizzando gli algoritmi e scegliendo il miglior algoritmo possibile per il set di dati.
Predictor - Classificazione: Prevede i dati non etichettati in un set di dati di classificazione utilizzando un modello di dati.
Predictor - Regressione: Prevede i dati non etichettati in un set di dati di regressione utilizzando un modello di dati.
Trainer - Classificazione: Addestrare/generare un modello di dati per un set di dati di classificazione utilizzando algoritmi.
Trainer - Regressione: Addestrare/generare un modello di dati per un set di dati di regressione utilizzando algoritmi.
Script Python remoto: Esecuzione di script Python in remoto sul server Python.
AutoML: Automatizza il processo di addestramento di un'ampia selezione di modelli di apprendimento automatico candidati, fornendo input minimi.
Clustering: Eseguire analisi esplorative identificando raggruppamenti nascosti nei dati.
Costruire un modello di regressione lineare con un approccio "drag-and-drop".
Il pacchetto Snap di ML Core consente agli scienziati dei dati di configurare i modelli utilizzando gli Snap, ossia trascinandoli e rilasciandoli. Ad esempio, lo snap Predictor - Regression contiene diversi algoritmi di previsione all'avanguardia (ad esempio, un algoritmo di regressione lineare). Se un data scientist vuole costruire un modello di regressione lineare, può farlo semplicemente trascinando questo Snap sul canvas del Designer di SnapLogic. In questo modo si riduce al minimo la quantità di codice da eseguire durante la creazione del modello ML.
Gli Snap Pack ML sono inclusi in SnapLogic Data Science, un'estensione della Intelligent Integration Platform che fornisce un approccio visivo drag-and-drop allo sviluppo e alla distribuzione di modelli di apprendimento automatico. Scoprite gli altri Snap Pack ML: ML Data Preparation Snap Pack e ML Analytics Snap Pack.
Per saperne di più sullo Snap Pack ML Core, consultate il blog post "SnapLogic November 2018 Release: Rivoluziona il tuo business con l'integrazione intelligente".
