SAS^® Visual Data Mining and Machine Learning

Machine learning & deep learning

SAS Visual Data Mining and Machine Learning

Résolvez les problèmes analytiques les plus complexes à l'aide d'une solution unique, intégrée et collaborative, dotée de sa propre API de modélisation automatisée.

SAS est un leader dans The Forrester Wave^™: Multimodal Predictive Analytics and Machine Learning, T3 2020

Donnez à chacun la possibilité de travailler dans le même environnement intégré - de la gestion des données au développement et au déploiement des modèles.

Résolvez facilement des problèmes analytiques complexes avec des analyses automatisées.

SAS Visual Data Mining and Machine Learning génère automatiquement des analyses qui vous permettent d'identifier les variables les plus courantes et les variables les plus importantes sélectionnées parmi les modèles, ainsi que les résultats d'évaluation de tous les modèles. La génération automatique de commentaires sous forme de "langage naturel" facilite l’interprétation des rapports . Les membres de l'équipe analytique peuvent ajouter des notes de projet au rapport de synthèse pour faciliter la communication et la collaboration.

Permettez aux utilisateurs de choisir leur langage.

Vous ne connaissez pas le code SAS ? Aucun problème. SAS Visual Data Mining and Machine Learning vous permet d'intégrer du code open source dans une analyse, d'appeler des algorithmes open source dans un pipeline et d'accéder à ces modèles à partir d'un référentiel commun - de manière transparente dans Model Studio. Cela facilite la collaboration au sein de votre organisation, car les utilisateurs peuvent faire tout cela dans la langue de leur choix. Vous pouvez également tirer parti de SAS Deep Learning with Python (DLPy), notre package open source sur GitHub, pour utiliser Python dans les blocs-notes Jupyter afin d'accéder à des API de haut niveau pour les fonctionnalités d'apprentissage profond, y compris la vision par ordinateur (computer vision), le traitement du langage naturel (NLP), les prévisions et le traitement de la parole. DLPy prend en charge l’Open Neural Network Exchange (ONNX) pour déplacer facilement les modèles entre les frameworks.

Découvrez rapidement plusieurs approches pour trouver la solution optimale.

Les performances supérieures du traitement parallèle massif et les blocs de construction riches en fonctionnalités pour les pipelines de machine learning vous permettent d’explorer et de comparer rapidement plusieurs approches. Trouvez rapidement et facilement les paramètres optimaux pour divers algorithmes d’apprentissage automatique, notamment les arbres de décision, les forêts aléatoires, l’amplification de gradient, les réseaux neuronaux, les machines à vecteurs de support et les machines de factorisation, en sélectionnant simplement l’option souhaitée. Les routines complexes d’optimisation de la recherche locale opèrent en arrière-plan pour ajuster efficacement vos modèles. Vous pouvez également combiner des données non structurées et structurées dans des programmes d’apprentissage automatique intégrés pour obtenir des informations plus précieuses à partir de nouveaux types de données. Et la reproductibilité à chaque étape du cycle de vie de l’analytique fournit des réponses et des informations fiables.

Boostez la productivité de vos équipes analytiques.

Les data scientists, les analystes métier et les autres professionnels de l'analytique obtiennent des résultats extrêmement précis à partir d'un seul environnement collaboratif prenant en charge le pipeline complet de machine learning. Différents types d'utilisateurs ont accès aux données et peuvent les préparer. Procéder à des analyses exploratoires. Créer et comparer des modèles de machine learning. Créer un script de scoring pour mettre en œuvre des modèles prédictifs. Déployer des modèles en un clic. Et exécuter toutes ces tâches en un temps record avec notre API de modélisation automatisée.

Réduisez la latence entre données et décisions.

Pour améliorer la compréhension collaborative, la solution fournit à tous les utilisateurs des annotations dans chaque nœud décrivant les méthodes exécutées, ainsi que des informations sur les méthodes, les résultats et l’interprétation.

Interpréter des modèles en utilisant un langage simple.

Des rapports d’interprétabilité standard sont disponibles dans tous les nœuds de modélisation, y compris LIME, ICE, Kernel SHAP, heatmaps, etc., avec des explications en langage simple à partir de la génération de langage naturel intégré. Vous pouvez exporter les résultats de la modélisation sous la forme de rapports PDF qui peuvent être partagés à l'ensemble de l'équipe de data science.

TÉMOIGNAGES CLIENTS

Découvrez qui travaille plus efficacement avec SAS

Découvrez comment d’autres utilisateurs utilisent SAS

Principales caractéristiques

Une interface visuelle - et de programmation - complète prend en charge le processus de data mining et de machine learning de bout en bout. Les membres de l'équipe analytique, quel que soit leur niveau de compétence, sont habilités à gérer toutes les tâches du cycle de vie de l'analytique de manière simple, puissante et automatisée.

Liste des fonctionnalités

Explorer les procédures

Afficher les actions du CAS

Accès aux données, préparation & qualité

Accédez aux données, établissez leur profil, nettoyez-les et transformez-les à l'aide d'une interface intuitive qui offre des capacités de préparation des données en libre-service avec une IA intégrée.

Création d'un chatbot personnalisé

Créez et déployez des chatbots personnalisés en langage naturel (NLP) à l'aide d'une interface visuelle intuitive "low-code" pour obtenir des informations et des expériences utilisateur conversationnelles grâce aux chatbots.

Visualisation des données

Explorez visuellement les données, créez et partagez des visualisations intelligentes et des rapports interactifs via une interface unique en libre-service. L’analyse augmentée et les fonctionnalités avancées accélèrent les informations et vous aident à découvrir des histoires cachées dans vos données.

Génération de données synthétiques

Tirez parti des réseaux antagonistes génératifs (GAN) pour générer des données synthétiques, à la fois d’images et de tableaux, pour vos modèles de deep learning.

Analyses et interprétabilité automatisées

Générer automatiquement de la connaissance, y compris des rapports de synthèse sur un projet - des modèles champion et challenger. Un langage simple issu de la génération de langage naturel intégré facilite l’interprétation des rapports et réduit la courbe d’apprentissage pour les analystes métier. Partagez des informations de modélisation via un rapport PDF.

Détection des biais

Évaluer les modèles pour déterminer si le biais de rendement et de résultats est lié à des groupes précis.

Machine Learning de pointe

Tirez parti de l’apprentissage par renforcement – via Fitting Q-Networks, Deep Q-Networks ou Actor-Critic – pour résoudre des problèmes de prise de décision séquentiels, avec la prise en charge d’environnements personnalisés.

Arbres de décision sous votre contrôle

Ajustez de manière interactive le fractionnement et l’élagage des nœuds de l’arbre de décision pour refléter vos connaissances métier et appliquer les contraintes réglementaires.

Modélisation et feature engineering automatisés

Gagnez du temps et améliorez la productivité. L’ingénierie automatisée des entités sélectionne le meilleur ensemble d’entités pour la modélisation en les classant pour indiquer leur importance dans la transformation des données. Les pipelines visuels sont générés dynamiquement à partir de vos données, mais modifiables pour rester un modèle de boîte blanche.

API publique pour la modélisation automatisée

Tirez parti de l’API publique pour la modélisation automatisée pour le développement et le déploiement de modèles de bout en bout en choisissant simplement l’option d’automatisation. Ou utilisez cette API pour créer et déployer vos propres applications de modélisation prédictive personnalisées. Voir des exemples sur developer.sas.com.

Support de Deep Learning avec Python & ONNX

Les utilisateurs de Python peuvent accéder à des API de haut niveau pour les fonctionnalités de deep learning dans les blocs-notes Jupyter via le package open source SAS Deep Learning with Python (DLPy) sur GitHub. DLPy prend en charge l’Open Neural Network Exchange (ONNX) pour déplacer facilement les modèles entre les frameworks. Évaluez de nouveaux ensembles de données à l’aide de modèles ONNX dans divers environnements en tirant parti d’Analytic Store (ASTORE).

Analytique prêt à l'emploi

Les modèles de référence permettent un démarrage rapide et cohérent de la création de modèles, garantissant ainsi la cohérence au sein de l’équipe analytique. Les capacités analytiques comprennent le clustering, différents types de régression, la forêt aléatoire, les modèles d’amplification de gradient, les machines à vecteurs de support, le traitement du langage naturel, la détection de sujets, etc.

Analyse de réseaux

Augmentez les approches d’exploration de données et d’apprentissage automatique à l’aide d’un ensemble polyvalent d’algorithmes de réseau pour explorer la structure des réseaux (sociaux, financiers, télécoms et autres) qui font explicitement ou implicitement partie des données commerciales.

Traitement analytique « in-memory » hautement évolutif

Bénéficiez d’un accès simultané aux données in-memory dans un environnement multi-utilisateurs sécurisé. Répartit les données et les opérations de charge de travail analytique sur les nœuds – en parallèle – multithread sur chaque nœud pour des vitesses très rapides.

Analyse d'image et imagerie biomédicale

Acquérir et analyser des images avec le déploiement de modèles sur serveur, edge ou mobile. Prend en charge le flux de bout en bout pour l’analyse d’images biomédicales, y compris l’annotation d’images.

Code dans le langage de votre choix

Les modélisateurs et les data scientists peuvent accéder aux fonctionnalités SAS à partir de leur environnement de codage préféré (Python, R, Java ou Lua) et ajouter la puissance de SAS à d’autres applications avec les API REST SAS Viya.

Architecture cloud native

L’architecture de SAS Viya est rapide, compacte et cloud native. Que vous préfériez utiliser SAS Cloud ou un fournisseur de cloud public ou privé, vous serez en mesure de tirer le meilleur parti de votre investissement dans le cloud.

Découvrez SAS Visual Data Mining et Machine Learning

SAS Viya est une solution cloud-native et cloud-agnostic.

Consommez SAS comme vous l'entendez - SAS managed ou autogéré. Et où vous voulez.

Découvrir les avantages de SAS Viya

En savoir plus sur SAS Visual Data Mining et Machine Learning & Beyond

Pour explorer les ressources par type, sélectionnez une option ci-dessous.

- Sélectionnez un type de ressource
- Aperçu de l'industrie
- ARTICLE
- BLOG POST
- Brochure de présentation
- Description de la solution
- Ebook
- Executive Brief
- Extrait du livre
- Fiche d'information
- Infographie
- Interview
- Livre blanc
- Livre blanc
- Présentation de la solution
- RAPPORT D'ANALYSTE
- Recherche
- Série
- Témoignage client
- Vidéo
- Webinaire
- ÉTUDE DE CAS