Data Science—nicht nur für Datenwissenschaftler

Pyramid vereinfacht den ML-Lebenszyklus sowohl für Datenwissenschaftler als auch für erfahrene Datenwissenschaftler. In Data Flow – einer intuitiven visuellen Oberfläche, die die Datenpipeline darstellt – können Benutzer leistungsstarke KI-gesteuerte Datentransformationen und Algorithmen per Drag-and-Drop direkt in den Flow oder per Skripting einfügen. Sie können tiefgreifende Python- und R-Integrationen nutzen, um Feature Engineering durchzuführen, ML-Modelle zu erstellen und zudem anzuwenden wie auch Datenpipelines zu orchestrieren. Der automatisierte Ansatz mit Low-Code/No-Code hilft Datenwissenschaftlern, langwierige Aufgaben in einem Data-Science-Projekt zu beschleunigen.

Datenwissenschaftler verbringen 80 Prozent ihrer Zeit mit dem Suchen, Bereinigen, Erforschen und Organisieren von Daten. Das Drag-and-Drop-Modellierungstool von Pyramid verkürzt den Lebenszyklus der Modellentwicklung mit KI-gesteuerten Tools zur Datenbereinigung, -aufbereitung und -transformation. Benutzer können die Form der Eingabedaten mit fortschrittlichen Visualisierungen und robusten Statistiken für die explorative Datenanalyse zur Identifizierung von Datensatzmerkmalen untersuchen. Verwenden Sie natürliche Sprache, um mit unserer ChatGPT-Integration automatisch SQL-, DAX- und MDX-Code zu generieren.

Pyramid bietet vorgefertigte Algorithmen, die von Geschäftsanalysten und Datenwissenschaftler einfach verwendet werden können. Sie können diese Algorithmen direkt in der intuitiven Drag-and-Drop-Benutzeroberfläche anwenden, um anspruchsvolle Aufgaben des Machine Learning ohne jegliche Programmierung durchzuführen. Algorithmen können vom Pyramid Marketplace heruntergeladen, aus dem Content-Management-System von Pyramid ausgewählt oder einfach in das Skriptfenster eingefügt werden.

Solve ist eine Engine, die präskriptive Optimierungslösungen auf der Grundlage von Entscheidungsmodellen generieren kann, welche über eine tabellenkalkulationsähnliche Schnittstelle No-Code/Low-Code erstellt werden. Geschäftsanwender können Modelle mit komplexen Logic Waterfalls , Bedingungen sowie Entscheidungspunkten erstellen und dabei die gesamte Palette an Tabellenkalkulationsformeln verwenden. Solve liefert echte Decision Intelligence auf Basis von Live-Daten und beantwortet sowohl “Was soll ich tun”-Fragen als auch “Was wäre wenn”-Simulationen, die in Dashboards und Präsentationen eingebettet werden können.

Pyramid hat Python (und R) in seiner Architektur zu einem erstklassigen Bürger gemacht. Die Integration ermöglicht es Datenwissenschaftlern, auf einfache Weise Modelle zu trainieren und sie in der Produktion einzusetzen. Ein Marktplatz mit kostenlosem, wiederverwendbarem Python-Quellcode bietet nicht-technischen Analysten eine Bibliothek mit vordefinierten Funktionen. Vorhandene Python-Skripte können weiter angepasst werden, um spezifische Geschäftsanforderungen zu erfüllen.

Feature Engineering in Pyramid ermöglicht Datenwissenschaftlern und Unternehmensanalysten die Umwandlung von Rohdaten in Features, die für ML-Modelle geeignet sind. Wenden Sie Transformationen an oder verwenden Sie mathematische Funktionen, um neue Features zu erstellen. Zugriff auf Features von anderen Plattformen wie Databricks, die API-Zugriff auf Features bieten. Teilen Sie dazu die in Pyramid erstellten Features über Rest-APIs, um sie auch in anderen Anwendungen zu verwenden.

Erstellen und trainieren Sie Modelle mithilfe von Lern- und Vorhersageskripten oder regulären Skripten. Benutzer können die Lernfunktion mit Trainingsdaten (Eingabe) ausführen und das ML-Modell (Ausgabe) zurückgeben. Benutzer haben Zugriff auf eine umfangreiche Bibliothek von Skripten, auf die sie durch einfache Eingabeaufforderungen per Mausklick zugreifen können, darunter Weka, MLIB und TensorFlow sowie DL4J für Deep Learning. Pyramid bietet vorgefertigte Skripte zum Erstellen und Trainieren von Modellen. Benutzer können Modelle mit verschiedenen Ansätzen trainieren, um schnellere Ergebnisse und eine höhere Genauigkeit zu erzielen, oder die Modelle können gespeichert und für andere Datensätze wie auch Anwendungsfälle wiederverwendet werden. Wenden Sie Ihr gespeichertes Modell auf neue Daten zum Testen oder Bewerten an, indem Sie es einfach mit dem neuen Datenfluss verbinden.

Auf Pyramid erstellte Modelle können zusammen mit der erforderlichen Datenpipeline gespeichert, geplant und direkt auf Pyramid ausgeführt werden. Um Informationen über die Modellleistung im Laufe der Zeit bereitzustellen sowie Modellverschlechterungen und -abweichungen zu erkennen, kann die Ausgabe der Modelle auf der Plattform überwacht werden. Es können Warnmeldungen eingestellt werden, um die Benutzer zu informieren, wenn sich die Modellleistung ändert, damit das Modell neu trainiert werden kann.

Der Pyramid Marketplace enthält vorgefertigte ML-Skripte, die Sie für die Datenbereinigung (Ausreißeranalyse, Löschen leerer Zeilen usw.), Data Preparation und -transformation, statistische Analysen und klassische ML-Regressions- und Klassifizierungsaufgaben wie Prognosen und Clustering verwenden können. Es bietet vorgefertigte Skripte für klassische ML-Modellierungsaufgaben wie Sentiment-Analyse, Warenkorb-Analyse, Geodaten-Modellierung und mehr. Marketplace enthält auch Skripte für spezielle Anwendungsfälle wie die Modellierung von Aktienkursen, zukünftigen Versicherungsansprüchen, der Gesundheit von Kleinkindern und mehr.