Предиктивная аналитика
Предиктивная аналитика - это функциональный блок, предназначенный для создания и настройки собственных нейронных сетей и алгоритмов машинного обучения. Блок предназначен для реализации построения моделей машинного обучения, включая возможность построения глубокой нейронной сети при решении задач классификации, кластеризации и регрессии
Пошаговое создание ML-модели
01.
  • Создание эксперимента
  • Решение одной из задач машинного обучения
  • Возможность создания нескольких моделей в рамках одного эксперимента
  • Разграничение доступа пользователей по созданным экспериментам
02.
  • Создание модели
  • Графический редактор создания модели
  • Возможность выбора классических алгоритмов машинного обучения или нейронных сетей
03.
  • Запуск модели Возможность отслеживания статуса и метрик качества
  • Неограниченное количество запусков
04.
  • Результаты запуска
  • Ознакомление с результатами запуска
  • Возможность сортировки по конкретному эксперименту
  • Отображение версии модели с возможностью ознакомления с заданными параметрами
05.
  • Промышленное использование
  • Готовая ML-модель с возможностью встраивания в ETL-задачу
Мы пробуем разные алгоритмы и архитектуры обучения моделей в рамках одного эксперимента и сохраняем прогресс полученных метрик качества для каждой версии. По достижении оптимального результата, мы запускаем версию модели в промышленное использование и автоматически получаем непрерывные прогнозы для новых данных через ETL-процесс.
Чем полезно использование ML-модели
Мы пробуем разные алгоритмы и архитектуры обучения моделей в рамках одного эксперимента и сохраняем прогресс полученных метрик качества для каждой версии. По достижении оптимального результата, мы запускаем версию модели в промышленное использование и автоматически получаем непрерывные прогнозы для новых данных через ETL-процесс.
22
слоя нейронных
сетей
8
шаблонов архитектур
нейронных сетей
16
классических
алгоритмов ML
Оставьте свои контакты
и получите консультацию