Projekte sind die Basiseinheit von ML Studio. Jedes Projekt besteht aus mehreren Teilen (nicht alle davon notwendig):

  • Projektinformationen
  • Dateien
  • Tabellen
  • Diagramme
  • Bibliotheken
  • Variable
  • Vorgefertigte funktionen

Projektinformationen

Jedes Projekt hat seinen Namen, Besitzer, Erstellungsdatum und Beschreibung.

Dateien

Dateien können an ein Projekt angehängt werden. Sie können Python-Skripte, Quelldaten, Testdaten usw. enthalten. Auf diese Dateien kann mit Funktionen wie readXLSFile(), readCSVFile() und executePythonScript() zugegriffen werden.

Tabellen

Tabellen können zusammen mit Diagrammen als temporäre Ausgabe des Projekts verwendet werden. Es kann während der Modellierung verwendet werden, um die Ergebnisse zu sehen.

Diagramme

Diagramme sind eine weitere Option, um die Ergebnisse der Modellierung zu sehen.

Bibliotheken

Bibliotheken sind vorgefertigte Pakete aus mathematischen und statistischen Komponenten und Funktionen, die im Projekt verwendet werden können. Standardmäßig enthält ML Studio diese Bibliotheken:

  • Math3
  • Javaml
  • Javastat

Variable

Variablen werden zur Parametrisierung von Projekten verwendet. Dadurch kann das Projekt universeller gestaltet werden. Weitere Informationen finden Sie unter Parameter in ML Studio.

Vorgefertigte Funktionen

ML Studio wurde von BellaDati eingesetzt, um Funktionen für die häufigsten IoT-Aufgaben wie z.B. prädiktive Instandhaltung und situative Intelligenz wie Kundensegmentierung oder Warenkorbanalyse vorzubereiten. Diese können ohne Programmierung verwendet werden, nur über die grafische Oberfläche zur Parametrierung. Gleichzeitig ermöglicht es Partnern und Organisationen, ihre eigenen Statistik- und ML-Fälle zu erstellen.

Alle folgenden Funktionen werden unterstützt und es können Lösungen erstellt werden:

  • Max, min, Standardabweichung, Mittelwert, Median, 1. Quartil, 3. Quartil, in der vordefinierten Funktion Zusammenfassung. Grafische Formen sind in Form von Boxplot, relativer Boxplot, Ausreißern und Histogramm verfügbar.
  • Vertrauensbereichs- und Hypothesentests mit grundlegenden statistischen Funktionen (z.B. T-Test, Chi-Quadrat) sind verfügbar.
  • Die Verteilung von Objekten in vordefinierte Klassen oder kategorische Variablen ist möglich.
  • Die Vorhersage des Wertes einer unbekannten, kontinuierlichen Variable ist möglich.
  • Verfügbare Algorithmen ermöglichen es, logische Gruppen zu identifizieren, in denen ähnliche Objekte platziert werden können.
  • Klassifizierung, Schätzung oder Clustering um einen Wert oder ein Verhalten sind möglich.
  • Es stehen Funktionen zur Verfügung, mit denen bestimmt werden kann, welche Objekte mit anderen Objekten zusammenfallen können (z.B. Warenkorbanalyse).
  • Es stehen Funktionen zur Verfügung, die in der Lage sind, die unabhängigen Variablen zu identifizieren, die den größten Einfluss auf eine abhängige Variable haben.
  • ML Studio-Funktionen sind in der Lage, unstrukturierte Inhalte zu analysieren, um strukturierte Datenobjekte (d.h. Spalten) zu erstellen, die für die prädiktive Modellierung verwendet werden können.
  • ML Studio unterstützt die Echtzeitbewertung von Modellen, die historische und Echtzeitdaten verwenden.
  • ML Studio unterstützt benutzerdefinierte Algorithmen in Plug-and-Play-Form und den Import/Export über PMML.
  • ML Studio bietet erweiterte Suchfunktionen, z.B. nach einer Registrierungsnummer, die Lösung kann die Entität bestimmen (ROC, ROB, LLP, etc.) oder die nächstgelegene Übereinstimmung vorschlagen. Die Suche nach Schlüsselwörtern sollte ebenfalls unterstützt werden, z.B. mit einem Teilnamen.
  • Entscheidungsbäume und neuronale Netze sind verfügbar.

Löschen von Projekten

 

Ein Projekt kann durch Anklicken der Schaltfläche Projekt löschen unter Projektinformationen gelöscht werden. Bitte beachten Sie, dass dieser Prozess IRREVERSIBEL ist.

 

 

 

 

 

 

 

 

 

 

 

  • No labels