Fogalomtár

KNIME

Mi a(z) KNIME?

A KNIME adatelemző szoftver, amelyben a munkafolyamatokat programozás helyett vizuálisan, építőelemekből („csomópontokból”) állítják össze. A nyílt forráskódú KNIME Analytics Platform lefedi az adatimportálást, az adattisztítást, az elemzést, a gépi tanulást és a jelentéskészítést, míg a gyártó kereskedelmi kínálata az együttműködéssel és a szervezeten belüli üzemeltetéssel egészül ki. Tipikus példa egy olyan munkafolyamat, amely több Excel-fájlból egyesíti a havi értékesítési adatokat, megtisztítja őket, és előrejelzést készít.

Témák

adatelemzés
Low-code
Nyílt forráskód

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása

← Minden fogalom

Kapcsolódó fogalmak

No-code

A no-code olyan eszközöket jelent, amelyekkel grafikus felületeken, programkód írása nélkül lehet alkalmazásokat, automatizálásokat vagy weboldalakat építeni. Az üzleti csapatok maguk valósíthatják meg és tesztelhetik a folyamatokat ahelyett, hogy az informatikai fejlesztésre várnának. A korlátok nagyon speciális követelményeknél, nagy adatmennyiségnél vagy mély integrációknál jelentkeznek. Példa: egy értékesítési csapat fogd és vidd módszerrel olyan munkafolyamatot épít, amely az új megkereséseket rendezi és összefoglalja.

automatizálás
eszközök
+1

Adatbányászat

Az adatbányászat nagy adathalmazok szisztematikus átvizsgálása mintázatok, összefüggések és anomáliák után. Statisztikai eljárásokra és gépi tanulási módszerekre épül, mint a klaszterezés, az osztályozás vagy az asszociációelemzés. Klasszikus példa a kiskereskedelmi kosárelemzés, amely megmutatja, mely termékeket vásárolják gyakran együtt – ez a termékkínálat, az elhelyezés és az ajánlások alapja.

adatelemzés
mintafelismerés
+1

Feltáró adatelemzés (EDA)

A feltáró adatelemzés (Exploratory Data Analysis, EDA) egy adathalmaz első, nyitott szemlélése: összesítő mutatókat számolnak, eloszlásokat és diagramokat vizsgálnak, mintázatokat, kiugró értékeket és hiányzó értékeket keresnek – még rögzített hipotézis nélkül. Segít felmérni az adatminőséget, és értelmes kérdéseket találni a további elemzéshez vagy modellezéshez. Példa: egy értékesítési előrejelzés előtt az EDA kimutatja, hogy az egyik hónapot rendszermigráció miatt hiányosan rögzítették.

Adatelemzés
Statisztika
+1

Sablon

Gépi tanulási csővezeték

A gépi tanulási csővezeték (machine learning pipeline) a lépések meghatározott sorozata, amely a nyers adatokból telepíthető modellt hoz létre: adatgyűjtés és -tisztítás, jellemzők előkészítése, tanítás, értékelés, telepítés és monitorozás. E lépések automatizálása reprodukálhatóvá teszi az eredményeket, és kevés ráfordítással lehetővé teszi az új adatok feldolgozását. Egy kereskedő például hetente újratanítja és teszteli az értékesítési előrejelző modelljét a legfrissebb adatokkal.

MLOps
automatizálás
+1