Versions Compared


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

    Projects are the basic building unit of ML Studio. Each project consists of several parts (not all of them necessary):

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

    Project Information

    Each project has its name, owner, date of creation and description.


    Files can be attached to a project. They can contain Python scripts, source data, testing data etc. These files can be accessed by using functions, such as readXLSFile()readCSVFile() and executePythonScript().


    Tables can be used together with charts as temporary output of the project. It can be used during the modelling to see the results.


    Charts are another option how to see results of the modelling.


    Libraries are ready-made packs of mathematical and statistical components and functions which can be used in the project. By default ML Studio contains these libraries:

    • Math3
    • Javaml
    • Javastat


    Variables are used for parametrization of projects. This enables the project to be more universal. For more information see Parameters in ML Studio.

    Prebuilt functions

    ML Studio has been used by BellaDati to prebuilt functions for the most frequent IoT tasks as predictive maintenance and situational intelligence as customer segmentation or market basket analytics. These can be used without the programming, only using graphical interface for the specification of parameters. At the same time it allows partners and organizations to build their own statistical and ML cases.

    All of the following functions are supported and solutions can be built:

    • Max, min, standard deviation, mean, median, 1st quartile, 3rd quartile, in the predefined function called summary. Graphic forms is available in the form of box plot, relative box plot, outliers and histogram.
    • Confidence interval and hypothesis testing using basic statistical capabilities (e.g. T Test, Chi-Square) are available.
    • The distribution of objects into predefined classes or categorical variables is enabled.
    • The prediction of the value of an unknown, continuous variable is available.
    • Available algoritmus allows to identify logical groups in which to place similar objects.
    • Classification, estimation or clustering about a value or behaviour are available.
    • Functions to determine which objects can be expected to co-occur with other objects (e.g. market basket analysis) are available.
    • Functions that are able to identify the independent variables that have the biggest impact on a dependent variable are available.
    • ML studio functions are able to parse unstructured content to create structured data objects (i.e. columns) that can be used for predictive modelling.
    • ML studio supports support real-time scoring from models that use historical and real-time data.
    • ML studio supports user-defined algorithms in a plug-and-play fashion and import / export via PMML.
    • ML studio provides advanced search capabilities, for example given a registration number, the solution can determine the entity (ROC, ROB, LLP, etc.), or suggest the closest match. Search by keyword should also be supported, for example given a partial name.
    • Decision trees and neural networks are available.

    Deleting Project

    A project can be deleted by clicking on the Delete project button under Project information. Please note that this process is IRREVERSIBLE. 












    Sv translation

    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は、ML Studioの基本的な構築単位です。各プロジェクトはいくつかの部分で構成されています(すべてが必要というわけではありません):

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




    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。ファイルはプロジェクトに添付できます。 Pythonスクリプト、ソースデータ、テストデータなどを含めることができます。これらのファイルには、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。などの関数を使用してアクセスできます。







    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ライブラリは、プロジェクトで使用できる数学的および統計的なコンポーネントと関数の既製のパックです。デフォルトでは、ML Studioには次のライブラリが含まれています:

    • Math3
    • Javaml
    • Javastat


    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。変数は、プロジェクトのパラメーター化に使用されます。これにより、プロジェクトをより普遍的にすることができます。詳細については、Parameters in ML Studioを参照してください。


    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。Studioは、BellaDatiによって、最も頻繁に使用されるIoTタスクの機能を事前に構築するために使用されています。これらはプログラミングなしで使用でき、パラメーターの指定にはグラフィカルインターフェースのみを使用します。同時に、パートナーおよび組織が独自の統計およびMLケースを作成できます。


    • 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。

    Image Removed




    • サマリーと呼ばれる事前定義された関数内の最大、最小、標準偏差、平均、中央値、第一四分位、第三四分位。グラフィック形式は、ボックスプロット(箱ひげ図)、相対ボックスプロット、外れ値、ヒストグラムの形式で利用できます。
    • 基本的な統計機能(例:T検定、カイ二乗)を使用した信頼区間と仮説検定が利用可能です。
    • 定義済みのクラスまたはカテゴリ変数へのオブジェクトの配布が有効になります。
    • 未知の連続変数の値の予測が利用可能です。
    • 利用可能なアルゴリズムにより、類似オブジェクトを配置する論理グループを識別することができます。
    • 値または動作に関する分類、推定、クラスタリングが利用可能です。
    • どのオブジェクトが他のオブジェクトと共起すると予想されるかを決定する機能(マーケットバスケット分析など)が利用可能です。
    • 従属変数に最大の影響を与える独立変数を識別することができる関数が利用可能です。
    • ML studioの機能は、非構造化コンテンツを解析して、予測モデリングに使用できる構造化データオブジェクト(列)を作成できます。
    • ML studioは、履歴データとリアルタイムデータを使用するモデルからのリアルタイムスコアリングをサポートします。
    • ML studioは、プラグアンドプレイ方式でユーザー定義のアルゴリズムをサポートし、PMMLを介してインポート/エクスポートします。
    • ML studioは高度な検索機能を提供します。例えば、登録番号を指定すると、ソリューションはエンティティ(ROC、ROB、LLPなど)を決定したり、最も近い一致を提案したりできます。キーワードによる検索もサポートする必要があります。例えば名前の一部を指定します。
    • 決定木とニューラルネットワークが利用可能です。

    Image Added



    Image Modified












    ML Studioは、BellaDatiによって、最も頻繁に使用されるIoTタスクの機能を事前に構築するために使用されています。これらはプログラミングなしで使用でき、パラメータの指定にはグラフィカルインターフェイスのみを使用します。同時に、パートナーおよび組織が独自の統計およびMLケースを作成できます。 以下のすべての機能がサポートされており、ソリューションを構築できます。

    Sv translation

    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


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


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


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


    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


    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.

    Löschen von Projekten


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