Neue Version umfasst wegweisende Verbesserungen für Datenwissenschaftler und Citizen Data-Analysten

Wenn der Altair Knowledge Studio AutoML Knoten mit dem Quelldatensatz verbunden wird, bereitet AutoML die Daten für das ML Modell vor und ersetzt automatisch eventuell fehlende Werte, führt Variablenumwandlungen durch und erstellt mehrere Modelle. Sobald die Modelle erstellt und trainiert sind, wird das Modell mit der höchsten Rate erfolgreicher Klassifizierungen mit Hilfe eines Area Under Curve- oder AUC-Berichts identifiziert

Altair, (Nasdaq: ALTR) ein weltweit agierendes Technologieunternehmen, das Lösungen für die Bereiche Produktentwicklung, High-Performance Computing (HPC) und Data Analytics anbietet, hat eine neue Version von Altair Knowledge Studio veröffentlicht, die noch mehr Geschwindigkeit, Flexibilität und Transparenz in die Prozesse der Datenmodellierung und der vorausschauenden Analyse bringt.

„Als leistungsstarke Lösung, die gleichermaßen von Datenwissenschaftlern und Wirtschaftsanalysten genutzt werden kann, nimmt Knowledge Studio im Bereich Data Science und Machine Learning weiterhin eine marktführende Stellung ein”, sagte Sam Mahalingam, Chief Technology Officer bei Altair. „Ohne dass auch nur eine einzige Codezeile benötigt wird, visualisiert Knowledge Studio in kürzester Zeit Daten und liefert umgehend verständliche Erkenntnisse”.

Knowledge Studio steht einem breiten Publikum an Wirtschaftsanalysten und Datenwissenschaftlern zur Verfügung, die in Bereichen wie Betrugsprävention, Optimierung von Datenerhebungen, Marketing, Vertrieb, CRM-Analyse, Produktdesign und Engineering arbeiten. Die Software setzt nun automatisiertes maschinelles Lernen (AutoML) ein, um den Modellierungsprozess zu optimieren und seinen Anwendern gleichzeitig umfassende, einzigartige Einblicke und ein tiefgreifendes Verständnis darüber zu bieten, wie Ergebnisse erzielt werden.

Optimierung des gesamten Arbeitsablaufs in Minutenschnelle

Knowledge Studio genießt einen ausgezeichneten Ruf für modernste Funktionalität, einen hochgradig konfigurierbaren Ansatz für die Grundeinstellungen und eine leichte Bedienbarkeit. Die neue Version ist über das flexible, Unit-basierte Altair Lizenzmodell verfügbar und rationalisiert den gesamten Workflow. Zunächst werden Daten automatisch verbessert, indem fehlende Werte ersetzt und Ausreißer berücksichtigt werden. Anschließend erstellt und vergleicht AutoML viele verschiedene statistische Modelle, um die bestmögliche Ergebnisqualität zu erreichen. Im Vergleich zu manuellen Ansätzen werden Ergebnisse in Minuten statt in Stunden optimiert. Eine erhöhte Transparenz gibt auch dem Citizen Data-Analysten die Möglichkeit und Freiheit, sich schnell einen Überblick zu verschaffen. Eine verbesserte Steuerung erlaubt es den Datenwissenschaftlern, Modelle anzupassen und die Genauigkeit zu verbessern.

Klare Sicht für Datenmodellierung durch maschinelles Lernen

Im Gegensatz zu Wettbewerbsprodukten verfolgt Knowledge Studio keinen “Black Box”-Ansatz, der den Nutzer ausschließt. Ganz im Einklang mit den Prinzipien verantwortlicher und erklärbarer künstlicher Intelligenz (KI), bringt Knowledge Studio Licht in die inneren Abläufe der Modellentwicklung. Obwohl die Modelle automatisiert entwickelt werden, vermittelt eine verständliche KI den Anwendern die Gewissheit, dass der Prozess unabhängig vom Modelltyp leicht verstanden, interpretiert und ausgewertet werden kann.

Weitere neue Funktionen von Knowledge Studio umfassen:

Automatisierte Python-Code-Generierung, die alle statistischen Modellierungen unterstützt – einsatzbereite Modelle können schnell und ohne Programmierkenntnisse erstellt werden.

Direkter Datenexport zu Altair Monarch, dem branchenführenden Werkzeug zur Datenaufbereitung von Altair.

Unterstützung für R-Code Version 4.0 und höher.

Für weitere Informationen besuchen Sie altair.com/knowledge-studio.

• • 
    Wenn der Altair Knowledge Studio AutoML Knoten mit dem Quelldatensatz verbunden wird, bereitet AutoML die Daten für das ML Modell vor und ersetzt automatisch eventuell fehlende Werte, führt Variablenumwandlungen durch und erstellt mehrere Modelle. Sobald die Modelle erstellt und trainiert sind, wird das Modell mit der höchsten Rate erfolgreicher Klassifizierungen mit Hilfe eines Area Under Curve- oder AUC-Berichts identifiziert
• • 
    Der Model Selector Report in Altair Knowledge Studio listet die Werte der gewünschten Bewertungsmetrik für alle Modelle innerhalb des Ausgabemodells auf
• • 
    Der AutoML-Assistent von Altair Knowledge Studio wählt automatisch die wichtigsten Variablen aus, was besonders bei Hunderten von Variablen nützlich ist. Zusätzlich kann der Nutzer die Auswahl manuell festlegen und mit Hilfe von Auswahlfeldern Variablen ein- oder ausschließen
• • 
    Der Altair Knowledge Studio Assistent wählt alle Modelle aus, wobei der Anwender diese Auswahl nach Wunsch manuell aufheben kann
• • 
    Beispiel einer Altair Knowledge Studio Benutzeroberfläche und eines Workflows. In diesem Beispiel ermittelt das Modell den sogenannten Next Best Channel für eine Marketingkampagne, wobei ein Optimierungsknoten verwendet wird, um festzustellen, wie sich Änderungen an den verschiedenen Variablen auf das Modell auswirken

Weiterführende Links

• Originalmeldung von Altair Engineering GmbH
• Alle Meldungen von Altair Engineering GmbH