Apprentissage auto

L'apprentissage automatique (ML) est un domaine de l'informatique donnant aux ordinateurs la capacité d'apprendre sans être spécifiquement programmés. Dans la veille économique, cette définition de base est élargie pour inclure toutes les tâches automatiques et autres programmes étudiés pour trouver de nouveaux motifs et autres informations enfouis parmi vos données. Elle inclut donc des outils "heuristiques", le "datamining" automatisé, l'"analyse prédictive", l'"apprentissage profond" et, au final, l'"IA" dans le contexte de données et de leur analyse.

Apprentissage auto dans Pyramid

L'Apprentissage automatique est présent sous de nombreuses formes dans Pyramid. En fait, la majorité de la plate-forme est construite autour de l'idée que l'Apprentissage auto est et restera cruciale pour la veille économique et ses utilisateurs.

Apprentissage auto par Pyramid

Parmi les exemples d'utilisation par Pyramid de l'Apprentissage auto comme outil, on trouve :

• L'apprentissage auto est le pilier de la boîte à outils Exploration intelligente, qui analyse automatiquement vos modèles, trouve des relations intéressantes et des motifs au sein de ce modèle, et crée automatiquement les rapports et les tableaux de bord concernés pour mettre en relief ces découvertes.
• L'Apprentissage auto sert à trouver les rapports les plus intéressants dans le référentiel pour des utilisateurs particuliers en fonction de l'historique des autres utilisateurs et de leurs motifs.
• L'Apprentissage auto sert à faire fonctionner une palette de moteurs heuristiques de l'application afin de deviner les meilleures conceptions de modèles, suggérer le prochain clic dans l'Exploration, choisir le meilleur algorithme de prédiction de donnes (la logique d'Apprentissage auto en elle-même), trouver les anomalies dans les données, suggérer automatiquement comment les colonnes doivent être classifiées, et bien d'autres fonctions.

L'Apprentissage auto comme outil dans Pyramid

Pyramid facilite également l'utilisation de l'Apprentissage auto. C'est en fait la capacité la plus cruciale de l'Apprentissage auto : une plate-forme pour permettre aux utilisateurs d'appliquer des fonctions d'Apprentissage auto et leurs librairies sur leurs propres ensembles de données afin de découvrir automatiquement des informations, établir des prédictions, trouver des motifs et prendre de meilleures décisions au final. Parmi les exemples importants, on trouve :

• les diverses Librairies d'Apprentissage auto utilisables avec de simples clics dans les fonctions de Modélisation, notamment celles des librairies Weka, MLIB et TensorFlow, les scriptlets utilisant le R et le Python, ainsi que les fonctions incluses dans Pyramid spécifiquement destinées aux besoins habituels en Apprentissage auto pour la veille économique
• la place du marché de l'Apprentissage automatique, comportant de nombreuses fonctions d'Apprentissage auto typiques présentées sous forme de scripts prédéfinis
• divers moteurs de scripting et de programmation incluant de vastes librairies de logiques liées à l'Apprentissage auto. On peut particulièrement noter le R, le Python et le moteur SAS de base.
• Les outils de scripting pour l'Apprentissage auto servant à créer des scripts d'Apprentissage auto partagés au sein d'une entreprise se trouvent dans Formulations.