Machine Learning & Analytics Collection

데이터는 모든 형태 및 크기로 존재하지만, 실행 가능한 인사이트를 효율적으로 활용하려면 데이터 사이언스 기술에 대한 깊은 지식이 필요합니다. BIOVIA Pipeline Pilot Machine Learning and Analytics Collection은 데이터 사이언스 이니셔티브를 간소화하는 포괄적인 머신러닝 및 데이터 모델링 기능 세트를 제공합니다.

데이터를 분석하고, 모델을 훈련 및 재훈련하며, 유용한 엔터프라이즈 애플리케이션에 자동화된 솔루션을 배포합니다.

머신러닝 솔루션 개발에는 복잡한 소프트웨어 아키텍처와 깊은 통계 지식이 필요할 때가 있습니다. 개발자 및 최종 사용자는 BIOVIA Pipeline Pilot Analytics and Machine Learning Collection을 사용하여 모든 최신 머신러닝 기술을 몇 번의 클릭만으로 자신의 워크플로에 통합할 수 있습니다. 코딩이 필요하지 않습니다.

• 데이터 세트 병합, 결합, 특성화 및 정리
• 과학 및 엔지니어링 데이터에 15개 이상의 머신러닝(ML) 방법 중 어느 것이든 적용 가능
  • R 스크립트를 작성할 필요 없이 지원 벡터 머신, 신경망 및 XGBoost와 같은 R 기반 ML 방법 사용
  • Scikit-learn 및 TensorFlow 등 Python ML 라이브러리 사용
• 통계 분석의 신속한 적용
  • 회귀 및 분류 모델 평가 뷰어를 사용하여 모델 테스트 세트 성능 평가 및 비교
  • 빠르고 확장 가능한 Bayesian 분류 모델 구축
  • 변수 선택 및 회귀 조화 모델 구축을 위한 GFA 방법의 유전 알고리즘 사용
  • 정확하고 사용이 간편한 RP Forest 회귀 및 분류 모델 구축
• 모델 성능 선별
  • 모델 접근성 도메인(MAD) 방법 및 교차 검증 배포
  • 모든 유형의 모델에 대한 교차 검증, 하이퍼파라미터 조정 및 변수 중요성 평가를 위한 ML 프레임워크 활용
• 유연한 작업
  • Jupyter Notebook, R, JMP, SAS 등의 타사 통계 플랫폼 및 도구 지원
• 분야별 데이터 읽기
  • 다양한 수치, 화학, 생물학, 텍스트, 이미지 데이터 유형을 지원하도록 구축
  • 기본 접근성 도메인 측정 및 오류 모델을 사용하여 샘플별 예측 확신 평가
• 예측 최적화
  • 다양한 병렬 시도 모델을 훈련하여 최고 성능 모델을 식별하거나 다양한 모델을 단일 조화 모델로 결합
• 다목적성 최적화 단순화
  • Pareto 최적화와 같은 방법을 다목적성 최적화 문제에 활용
• 워크플로의 결과 시각화
  • ROC 플롯, 보강 플롯 및 기타 시각화 기술로 대화형 보고서 생성
  • PCA, 클러스터링 및 다차원 데이터 시각화를 포함한 탐색 분석 수행