Machine Learning Hub
La vision de TrendMiner pour démocratiser l'analyse va au-delà de la simple mise à disposition d'outils en libre-service pour les experts du domaine, et inclut également une collaboration plus étroite entre une variété d'experts pour résoudre les problèmes. Certains des problèmes les plus complexes nécessitent la participation de Data Scientists qui apportent des techniques spécialisées permettant aux entreprises d'extraire des données disponibles les informations les plus approfondies. Pensez statistiques avancées et modèles d'apprentissage automatique.
Après un programme d'essai très réussi avec les Notebooks, nous sommes fiers d'annoncer le lancement complet d'un nouveau Machine Learning Hub (MLHub) pour les données de séries temporelles, étendant les capacités d'analyse et d'apprentissage automatique du client de production de TrendMiner. Avec MLHub, les (Citizen) Data Scientists peuvent accéder aux données TrendMiner (aussi bien les données brutes que les données prétraitées et contextualisées dans les vues TrendMiner) et valider des hypothèses ou créer/entraîner/déployer des modèles d'apprentissage automatique dans le nouvel environnement Notebook, que d'autres utilisateurs peuvent appliquer grâce aux tags Machine Learning et visualiser dans DashHub.
Ce lancement de produit comprend les éléments suivants :
Les licences Expert déverrouillent désormais le tout nouveau Machine Learning Hub, qui héberge des outils analytiques avancés et la technologie Notebook.
Passage de Zeppelin à l'écosystème Jupyter Notebook pour bénéficier de cycles de mise à jour plus courts et d'un meilleur support de la part de la communauté open source.
Isolation du kernel et gestion des ressources pour une stabilité et des performances améliorées.
Couche de sécurité OpenID, permettant un contrôle d'accès bien défini et un accès aux sources de données basé sur les rôles pour l'ensemble des fonctionnalités de MLHub.
Création d'objets de sortie Notebook pour une visualisation facile.
Tags de modèles de Machine Learning, basés sur des modèles PMML
Important
À partir de cette version :
Resource | Minimum | Minimum with Embedded Zementis Notebook & Machine Learning Model functionality | Recommended |
|---|---|---|---|
vCPU | 8 | 16 | 16 |
RAM | 32GB | 64GB | 64GB |
Disc | SSD, 200GB,250MB/s | SSD, 500GB,250MB/s | SSD, 500GB, 250MB/s |
L'espace disque libre minimal pour une mise à niveau réussie est de 25 Go.
La rétention maximale est fixée à 7 Go, ce qui facilitera la gestion de l'espace disque. Cela signifie en fait que nous conserverons les métriques pendant une période plus courte.