Versions Compared

Old Version 15

changes.mady.by.user Unknown User (huyennth@fpt.com.vn)

Saved on

compared with

New Version 16

changes.mady.by.user Claudio Toscani

Saved on

Key

  • This line was added.
  • This line was removed.
  • Formatting was changed.

...

Sv translation
languageja

プロジェクトはML Studioの基本構築単位です。各プロジェクトには必要に応じて、下記の部品が含まれます:

  • プロジェクト情報
  • ファイル
  • テーブル
  • グラフ
  • ライブラリ
  • 変数
  • 組み込み関数

プロジェクト情報

各プロジェクト毎に名称、所有者、作成日、説明が含まれます。

ファイル

ファイルはプロジェクトに添付される可能性があります。これらはPython スクリプト、ソースデータ、テストデータが含まれます。readXLSFile()、readCSVFile() 、executePythonScript()などの関数を利用することでこれらのファイルはアクセスされます。

テーブル

テーブルは、プロジェクトの一時出力としてグラフを一緒に使用できます。モデリング最中に結果を見るのに使用することができます。

グラフ

フラグはモデリングの結果を見る別のオプションです。

ライブラリ

ライブラリはプロジェクトで利用される数学・統計的なコンポーネントと関数の装備パックです。ML Studioにはデフォルトで下記のライブラリが含まれます:

  • Math3
  • Javaml
  • Javastat

変数

変数はプロジェクトのパラメータ化に使用されます。これによりプロジェクトがより普遍的なものになります。詳細は「ML Studioでのパラメータ」をご参照ください。

プレビルド機能

ML Studioは、顧客セグメンテーションやマーケットバスケット分析のようにインテリジェンス状況及び予測的なメンテナンスとして最も頻繁なIoTタスク用にプレビルドためBellaDatiによって使用されました。同時に、パートナーや組織が独自の統計やML場合をビルド可能です。

以下に全ての機能が及びサポートされて、ソリューションがビルド可能です:

  • 事前に定義された関数でのMax、min、標準偏差、平均値、中央値、第一四分位数、第三四分位数などがサマリーと呼ばれます。グラフィックフォームはプロットボックス、相対ボックスプロット、アウトライヤーおよびヒストグラムのフォームで用意されること。
  • 信頼インターバルと基本的統計能力を用いた仮説検定（ T Test, Chi-Squareなど）が用意されます。
  • 定義されたクラスまたはカテゴリ変数へのオブジェクトの分布が有効になること。
  • 未知値の予測、連続型変数が用意されること。
  • 用意されるアルゴリズムには同様なオブジェクトを配置する論理グループを識別することを許可すること。
  • 値や挙動についてのクラスタリング、分類、推定が用意されること。
  • 他のオブジェクト（マーケットバスケットアナリシスなど）と同時発生することを予測できるオブジェクトを確定用機能が用意されます。
  • 従属変数に最大な影響力を持つ独立変数を識別できる機能が用意されます。
  • ML studio 機能が予測モデリングに使用するオブジェクト（カラム等）を作成するために構造されていないコンテンツをパーズできます。
  • ML studioがヒストリカルおよびリアルタイムデータを使用するモデルからリアルタイムのス核リングをサポートします。
  • MLstudio がPMMLを経由してプラグアンドプレイのファッションや取込/出力でユーザー定義アルゴリズムにサポートします。
  • ML studioが便利な検索ツールを提供します。例えば、登録番号与えられ、エンティティ(ROC, ROB, LLPなど)を決定できるソリューション又は最も近いものを候補すること。キーワードで検索が部分的な名前を与えること等にサポートされるべきです。
  • 決定木とニューラルネットワークが用意されます。

プロジェクトの削除

 

プロジェクト情報の「プロジェクトの削除」ボタンを押下することでプロジェクトが削除できます。IRREVERSIBLEのプロセスに注意ください。 

 

 

 

 

 

 

 

 

 

 

 

Sv translation
languagede

Projekte [Original Seitentitel]

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

  • Project information
  • Files
  • Tables
  • Charts
  • Libraries
  • Variables
  • Built-in functions

Projektinformationen

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

Image Added

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.

Image Added

Diagramme

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

Image Added

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 Parameters 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.

Image Added

Löschen von Projekten

 

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

Image Added