Lo Snap Pack ML Core offre una raccolta completa di snap che gestiscono il ciclo di vita dell'apprendimento automatico, dall'addestramento e dalla convalida del modello alla previsione e all'ottimizzazione. Che siate data scientist che costruiscono sofisticati modelli predittivi o analisti aziendali che automatizzano previsioni e classificazioni, questo Snap Pack fornisce implementazioni pronte per la produzione di algoritmi di apprendimento automatico all'avanguardia, tutti accessibili attraverso l'interfaccia visiva di SnapLogic.
Addestrate i modelli sui vostri dati, convalidatene l'accuratezza con la convalida incrociata K-fold, applicateli per prevedere i risultati su nuovi dati ed esplorate sistematicamente diversi algoritmi e parametri per trovare la soluzione ottimale per il vostro caso d'uso. Il pacchetto ML Core Snap consente di eseguire script Python personalizzati direttamente all'interno dei flussi di lavoro, offrendo il meglio dei due mondi: la velocità e l'accessibilità dell'integrazione low-code combinata con la potenza illimitata del codice quando serve.
Utilizzate i bottoni automatici di questo Snap Pack per:
- Eseguire la convalida incrociata K-fold per i set di dati di classificazione e regressione.
- Addestrare i modelli utilizzando algoritmi di apprendimento automatico all'avanguardia.
- Applicare modelli per prevedere dati non etichettati.
- Eseguire script Python e sfruttare le librerie di apprendimento automatico Python
- Automatizzare il processo di esplorazione e messa a punto dei modelli di apprendimento automatico
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.
Per saperne di più, consultate la pagina della documentazione.
