Tempo Talents人工智能科研平臺
基于跨行業數據挖掘標準流程CRISP-DM,實現數據的深度挖掘分析,幫助教師與學生發現數據中隱藏的關系及規律,為教師科研提供數據分析探索、模型構建、成果應用的一站式數據挖掘工具,高效開展行業應用研究。平臺支持用戶通過簡單拖拽、低代碼的方式快速完成挖掘分析流程構建。同時支持模型自動化構建、模型智能評估,推薦最優模型與算法。
1、極簡的建模過程
基于拖拽式節點操作、連線式流程串接、指導式參數配置,用戶可以通過簡單拖拽、配置的方式快速完成挖掘分析流程構建。平臺內置數據處理、數據融合、特征工程、擴展編程等功能,讓用戶能夠靈活運用多種處理手段對數據進行預處理,提升建模數據質量,同時豐富的算法庫為用戶建模提供了更多選擇,自動學習功能通過自動推薦最優的算法和參數配置,結合“循環行”功能實現批量建模,幫助用戶高效建模,快速挖掘數據隱藏價值。
2、豐富的分析算法
內置150多個分析算子,包含30余種數據預處理方法,5種數據融合方法、11種常用特征工程,實現數據融合處理與特征構建;包含聚類、分類、回歸、關聯規則、時間序列、綜合評價、協同過濾等7類N種機器學習算法,支持深度學習、集成學習與自然語言處理等人工智能分析方法,滿足各類業務科研場景需求。
3、靈活的擴展能力
支持用戶編制SQL\R\Python\Java\Scala\Matlab\PySpark腳本實現個性化的算法腳本。自定義算法功能允許用戶通過R\Python\Java\Scala基于平臺規范封裝自主算法并發布形成平臺節點,方便用戶靈活擴展平臺算法節點功能,增強平臺的業務適應能力,充分滿足不同領域科研的個性化需求。
4、全面的分析洞察
通過豐富詳實的洞察內容,幫助用戶全方位觀察建模過程任意流程節點的執行結果,為用戶開展建模流程的改進優化提供依據,從而快速得到最優模型,發現數據中隱含的業務價值。建模分析報告支持在線查看,并且支持下載可編輯Word版本,支持科研報告及相關成果發布應用。
5、全??蒲谐晒芾砼c應用能力
分析成果的快速工程化應用,支持模型以調度任務、異步服務、同步服務、流服務及本地化服務包等形式應用,滿足工程化的不同訴求。提供統一的成果分類統計及統一管理監測,幫助用戶高效便捷地管理成果、利用成果及監測成果。
6、跨平臺模型遷移及融合
支持PMML文件的導入和導出,可以實現跨平臺模型之間的遷移和融合,利于用戶進行歷史模型的遷移,實現用戶在不同平臺的模型成果快速共享,提升各類科研成果的復用性。
美林數據技術股份有限公司
2022-07-15