Ingo Mierswa, Damezrîner & Serok li RapidMiner, Inc - Rêzeya Hevpeyvînê

Ingo Mierswa Damezrîner û Seroka RapidMiner, Inc. RapidMiner îstîxbarata sûnî bi navgîniya platformek zanistiya daneyê ya vekirî û berfirehtir tîne pargîdaniyê. RapidMiner ku ji bo tîmên analîtîk hatî çêkirin, tevahiya jiyana zanistiya daneyê ji amadekirina daneyê heya fêrbûna makîneyê yek dike. pêşbînî bicihkirina modelê. Zêdetirî 625,000 pisporên analîtîk hilberên RapidMiner bikar tînin da ku dahatê bimeşînin, lêçûn kêm bikin û ji xetereyan dûr bixin.

Îlhama we li pişt destpêkirina RapidMiner çi bû?

Min gelek salan di karsaziya şêwirmendiya zanistiya daneyê de xebitîbû û min hewcedarî platformek dît ku ji bo mirovên ku di zanistiya daneyê de perwerdehiyek fermî tune be, xwerû û nêzîktir e. Gelek çareseriyên heyî yên wê demê xwe dispêrin kodkirin û nivîsandinê û ew bi hêsanî ne bikarhêner-heval bûn. Digel vê yekê, ew danehevkirin û domandina çareseriyên ku di nav wan platforman de hatine pêşve xistin dijwar kir. Di bingeh de, min fêm kir ku ev proje ne hewce ne ew qas dijwar bin, ji ber vê yekê me dest bi afirandina platforma RapidMiner kir da ku destûrê bide her kesî ku bibe zanyarek daneya mezin.

Ma hûn dikarin li ser rêveberiya bêkêmasî ya ku niha ji hêla RapidMiner ve tê bikar anîn nîqaş bikin?

Gava ku hûn nikaribin modelek rave bikin, pir dijwar e ku meriv biguhezîne, pêbawerî û wergerandin. Gelek xebatên zanistiya daneyê ragihandina encaman ji yên din re ye, da ku aliyên peywendîdar fam bikin ka meriv çawa pêvajoyan baştir dike. Ev pêbawerî û têgihîştina kûr hewce dike. Di heman demê de, pirsgirêkên pêbawerî û wergerandinê dikare pir zehmet bike ku meriv hewcedariyên pargîdanî bigire da ku modelek bikeve hilberînê. Em vî şerî bi çend awayên cuda dikin:

Wekî platformek zanistiya daneya dîtbar, RapidMiner bi xwezayê ji bo hemî lûle û modelên daneyê bi rengek pir vexwarinê ku ji hêla zanyarên daneyê an zanyarên ne-dane ve tê fam kirin ve ravekirinek çêdike. Ew modelan şefaf dike û ji bikarhêneran re dibe alîkar ku di têgihiştina behreya modelê de û nirxandina hêz û qelsiyên wê û tesbîtkirina nerastiyên potansiyel de.

Digel vê yekê, hemî modelên ku di platformê de hatine afirandin bi dîmenên berfireh ji bo bikarhêner têne - bi gelemperî bikarhêner ku modelê diafirîne - ji bo bidestxistina têgihîştina modelê, têgihîştina behreya modelê û nirxandina nerastiyên modelê.

RapidMiner di heman demê de ravekirinên modelê jî peyda dike - tewra dema ku di hilberînê de ye: Ji bo her pêşbîniyek ku ji hêla modelek ve hatî çêkirin, RapidMiner faktorên bandorê yên ku bûne sedema an jî bandor li biryarên ku ji hêla wê modelê ve di hilberînê de hatine girtin diafirîne û lê zêde dike.

Di dawiyê de - û ev ji bo min kesane pir girîng e ji ber ku min çend sal berê vê yekê bi tîmên xwe yên endezyariyê re ajot - RapidMiner di heman demê de kapasîteya simulatorek modelek pir bi hêz peyda dike, ku dihêle bikarhêneran li ser bingeha daneyên têketinê pêşkêşî tevgerê modelê simul bikin û temaşe bikin. ji hêla bikarhêner ve. Daneyên têketinê pir bi hêsanî dikare were danîn û guheztin, ku dihêle bikarhêner behremendiya pêşbîniya modelan li ser bûyerên cihêreng ên hîpotetîk an cîhana rastîn fam bike. Di heman demê de simulator faktorên ku li ser biryara modelê bandor dikin jî nîşan dide. Bikarhêner - di vê rewşê de tewra bikarhênerek karsaziyê an pisporek domainê - dikare behreya modelê fam bike, biryara modelê li hember encamên rastîn an zanîna domainê rast bike û pirsgirêkan nas bike. Simulator destûrê dide te ku hûn cîhana rastîn simul bikin û li paşerojê mêze bikin - bi rastî, li paşeroja xwe.

RapidMiner fêrbûna kûr çawa bikar tîne?

Bikaranîna RapidMiner ya fêrbûna kûr tiştên ku em pê serbilind in. Fêrbûna kûr dibe ku serîlêdanê pir dijwar be û zanyarên ne-danî bi gelemperî bi sazkirina wan toran bêyî piştgirîya pispor têkoşîn dikin. RapidMiner vê pêvajoyê ji bo bikarhênerên her celebî bi qasî ku pêkan hêsan dike. Mînakî, fêrbûna kûr beşek ji hilbera meya fêrbûna makîneya otomatîkî (ML) ya bi navê RapidMiner Go ye. Li vir bikarhêner ne hewce ye ku di derheqê fêrbûna kûr de tiştek bizanibe da ku van celeb modelên sofîstîke bikar bîne. Wekî din, bikarhênerên hêzdar dikarin kûrtir biçin û pirtûkxaneyên fêrbûna kûr ên populer ên mîna Tensorflow, Keras, an DeepLearning4J rast ji karên dîtbar ên ku ew bi RapidMiner re ava dikin bikar bînin. Ev mîna lîstina bi blokên avahîsaziyê ye û ezmûnê ji bo bikarhênerên ku kêm jêhatîbûna zanyariya daneyê ne hêsan dike. Bi vê nêzîkatiyê re bikarhênerên me dikarin mîmariyên torê yên maqûl bi fonksiyonên cihêreng ên aktîvkirinê û hejmarek qat û girêkên ku ji hêla bikarhêner ve hatî diyar kirin, pir tebeqeyên bi hejmarên cihêreng ên girêk ve ava bikin, û ji teknîkên perwerdehiyê yên cihêreng hilbijêrin.

Çi celeb fêrbûna makîneyê ya din tê bikar anîn?

Hemû! Em wekî beşek ji platforma RapidMiner bi sedan algorîtmayên fêrbûnê yên cihêreng pêşkêşî dikin - her tiştê ku hûn dikarin di zimanên bernamesaziya zanistî yên daneyê yên pir têne bikar anîn Python û R de bicîh bikin. Di nav yên din de, RapidMiner rêbazên ji bo Naive Bayes, paşveçûnek mîna Modelên Rêzeya Giştî, komkirina weha pêşkêşî dike. wek k-Means, FP-Growth, Darên Biryarê, Daristanên Random, Fêrbûna Kûr a Paralelîz, û Darên Pêşkêşkirî yên Gradient. Van û gelekên din hemî beşek ji pirtûkxaneya modelkirinê ya RapidMiner in û dikarin bi yek klîk bêne bikar anîn.

Hûn dikarin nîqaş bikin ka Modela Xweser çawa nirxên çêtirîn ên ku têne bikar anîn dizane?

RapidMiner AutoModel otomasyona aqilmend bikar tîne da ku her tiştê ku bikarhêner dikin bilezîne û piştrast bike ku modelên deng ên rast têne çêkirin. Di vê yekê de bijartina nimûne û rakirina otomatîkî ya derveyî, endezyariya taybetmendiyê ji bo celebên daneya tevlihev ên wekî tarîx an nivîsan, û endezyariya taybetmendiya xweser a pir-armanca tevahî heye ku taybetmendiyên çêtirîn hilbijêrin û yên nû ava bikin. Modela Xweser di heman demê de rêbazên paqijkirina daneyê yên din jî vedihewîne da ku pirsgirêkên hevpar ên di daneyê de wekî nirxên wenda, profîlkirina daneyê bi nirxandina kalîte û nirxa stûnên daneyê, normalîzekirina daneyan û veguheztinên cihêreng ên din vehewîne.

Modela Xweser di heman demê de daneya meta ya kalîteya daneyê jî derdixe - mînakî, stûnek çiqas wekî nasnameyekê tevdigere an jî gelek nirxên winda hene. Ev daneyên meta ji bilî daneyên meta bingehîn di otomatîkkirin û alîkariya bikarhêneran de di 'bikaranîna nirxên çêtirîn' û mijûlbûna bi pirsgirêkên kalîteya daneyê re tê bikar anîn.

Ji bo bêtir hûrgulî, me ew hemî di nexşeya xweya Modela Xweya Xweya Xweser de nexşandiye. (Wêne li jêr ji bo çarçoveyek zêde)

Çar qonaxên bingehîn hene ku otomasyon tê sepandin:

- Amadekirina daneyê: Analîzkirina otomatîkî ya daneyan ji bo tespîtkirina pirsgirêkên kalîteyê yên hevpar ên mîna hevrêzî, nirxên winda, û aramî.
- Hilbijartin û xweşbîniya modela otomatîkî, tevî pejirandina bêkêmasî û berhevdana performansê, ku ji bo daneyan çêtirîn teknîkên fêrbûna makîneyê pêşniyar dike û pîvanên çêtirîn destnîşan dike.
- Simulasyona modelê ku ji bo destnîşankirina kiryarên taybetî (pêşniyar) yên ku ji bo bidestxistina encama xwestinê ya ku ji hêla modelê ve hatî pêşbînîkirin, dibe alîkar.
- Di qonaxa sazkirin û xebitandinê ya modelê de, ji bikarhêneran re faktorên mîna drift, beralîbûn û bandora karsaziyê, bixweber bêyî ku xebatek zêde hewce bike, têne destnîşan kirin.

Nerazîbûna komputerê bi her cûre AI-ê re pirsgirêkek e, gelo ti kontrol hene ku rê li ber nelirêtî di encaman de bigire?

Erê, ev bi rastî ji bo zanistiya daneya exlaqî pir girîng e. Taybetmendiyên rêveberiyê yên ku berê hatine behs kirin piştrast dikin ku bikarhêner her gav dikarin bi rastî bibînin ka kîjan dane ji bo avakirina modelê hatî bikar anîn, ew çawa hate guheztin, û gelo di hilbijartina daneyê de beralîbûn heye. Digel vê yekê, taybetmendiyên me yên ji bo vedîtina driftê amûrek din a hêzdar e ku ji bo tesbîtkirina pêşdaraziyê. Ger modelek di hilberînê de di daneya têketinê de pir zirav nîşan bide, ev dikare bibe nîşanek ku cîhan bi rengek berbiçav guherî ye. Lêbelê, ew di heman demê de dikare bibe nîşanek ku di daneyên perwerdehiyê de pêşbaziyek tund hebû. Di pêşerojê de, em difikirin ku gavekê jî pêşde biçin û modelên fêrbûna makîneyê ava bikin ku dikarin ji bo tespîtkirina pêşbaziyê di modelên din de werin bikar anîn.

Ma hûn dikarin RapidMiner AI Cloud nîqaş bikin û ew çawa xwe ji hilberên pêşbaziyê cûda dike?

Pêdiviyên ji bo projeyek zanistiya daneyê dikare mezin, tevlihev û zexm be, ya ku karanîna teknolojiya cloudê ji bo zanyarên daneyê stratejiyek wusa balkêş kiriye. Mixabin, platformên zanistiya daneyê yên cihêreng ên xwemalî yên bingehîn ên ewr we bi karûbarên ewr û pêşkêşiyên hilanîna daneyê yên wê firoşkarê taybetî ewr ve girêdidin.

RapidMiner AI Cloud tenê radestkirina karûbarê meya cloudê ya platforma RapidMiner e. Pêşniyar dikare ji hawîrdora her xerîdar re were peyda kirin, bêyî ku stratejiya cloudê wan hebe. Ev van rojan girîng e ji ber ku nêzîkatiya piraniya karsaziyan ji rêveberiya daneya ewr re di hewaya heyî de pir zû pêş dikeve. Zelalbûn bi rastî tiştê ku RapidMiner AI Cloud ji hev vediqetîne ye. Ew dikare di her karûbarê ewr de, stûna ewr a taybet an di sazûmanek hîbrîd de bixebite. Em barbar ewr in, ewr agnostîk in, pir-ewr in - her tiştê ku hûn tercîh dikin jê re dibêjin.

RapidMiner AI Cloud di heman demê de tengasiyek pir kêm e, ji ber ku bê guman, em jêhatîbûnê pêşkêşî dikin ku hemî an beşek ji bicîhkirinê ji bo xerîdaran birêve bibin da ku ew bala xwe bidin ser meşandina karsaziya xwe bi AI-ê, ne berevajî. Tewra vebijarkek li ser daxwazê ​​​​ heye, ku dihêle hûn ji bo projeyên kurt jîngehek ku hewce ye bizivirînin.

RapidMiner Radoop hin tevliheviya li pişt zanyariya daneyê ji holê radike, hûn dikarin ji me re bibêjin Radoop çawa ji pêşdebiran sûd werdigire?  

Radoop bi giranî ji bo ne-pêşdebiran e ku dixwazin potansiyela daneyên mezin bikar bînin. RapidMiner Radoop xebatên RapidMiner rasterast di hundurê Hadoop de bi rengek bê kod dimeşîne. Di heman demê de em dikarin motora darvekirinê ya RapidMiner li Spark-ê jî bi cih bikin, ji ber vê yekê ew hêsan e ku meriv tevheviyên xebatê di Spark-ê de bêyî tevliheviya ku ji nêzîkatiyên kod-navendî tê bikişîne.

Ma saziyek hukûmetê dê bikaribe RapidMiner bikar bîne da ku daneyan analîz bike da ku pêşbîniya pandemiyên potansiyel bike, mîna çawa BlueDot dixebite?

Wekî platformek zanistiya daneya giştî û fêrbûna makîneyê, RapidMiner tê mebesta ku pêvajoyek çêkirin û rêvebirina modelê xweş bike û zêde bike, ferq nake ka kîjan mijar an domain di navenda pirsgirêka zanistiya daneyê / fêrbûna makîneyê de ye. Digel ku bala me ne li ser pêşbînkirina pandemiyan e, bi daneyên rast pisporek mijarê (mîna vîrusnas an epîdemîolog, di vê rewşê de) dikare platformê bikar bîne da ku modelek biafirîne ku bikaribe bi awakî rast pêşbîniya pandemiyan bike. Bi rastî, gelek lêkolîner RapidMiner bikar tînin - û platforma me ji bo armancên akademîk belaş e.

Tiştek din heye ku hûn dixwazin di derbarê RapidMiner de parve bikin?

Şensekê bidê! Dibe ku hûn şaş bimînin ka zanistiya daneyê çiqas hêsan dikare bibe û çiqas platformek baş dikare we û hilberîna tîmê we çêtir bike.

Spas ji bo vê hevpeyivîna hêja, xwendevanên ku dixwazin bêtir fêr bibin divê biçin RapidMiner.