KNIME je softvér na analýzu údajov, v ktorom sa pracovné postupy skladajú vizuálne z blokov („uzlov“) namiesto programovania. Open-source platforma KNIME Analytics Platform pokrýva import údajov, čistenie, analýzu, strojové učenie a reporting, zatiaľ čo komerčné ponuky poskytovateľa pridávajú spoluprácu a prevádzku v organizáciách. Typickým príkladom je pracovný postup, ktorý zlúči mesačné údaje o predaji z viacerých súborov Excel, vyčistí ich a vytvorí predpoveď.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoNo-code označuje nástroje, ktoré umožňujú vytvárať aplikácie, automatizácie alebo webové stránky cez grafické rozhrania bez písania programového kódu. Odborné tímy môžu procesy realizovať a testovať samy, namiesto čakania na vývoj v IT. Hranice sa ukážu pri veľmi špecializovaných požiadavkách, veľkých objemoch dát alebo hlbokých integráciách. Príklad: obchodný tím pomocou presúvania myšou vytvorí postup, ktorý triedi a zhŕňa nové dopyty.
Dolovanie údajov (data mining) je systematické prehľadávanie veľkých súborov údajov s cieľom nájsť vzorce, súvislosti a anomálie. Využíva štatistické techniky a metódy strojového učenia, ako sú zhlukovanie, klasifikácia alebo asociačná analýza. Klasickým príkladom je analýza nákupného košíka v maloobchode, ktorá ukazuje, aké produkty sa často kupujú spolu – základ pre sortiment, rozmiestnenie tovaru a odporúčania.
Prieskumná analýza údajov (EDA, exploratory data analysis) je prvý, otvorený pohľad na súbor údajov: vypočítate súhrnné ukazovatele, preskúmate rozdelenia a grafy a hľadáte vzorce, odľahlé hodnoty a chýbajúce hodnoty – zatiaľ bez pevnej hypotézy. Pomáha posúdiť kvalitu údajov a nájsť zmysluplné otázky pre ďalšiu analýzu alebo modelovanie. Príklad: pred predpoveďou predaja EDA odhalí, že jeden mesiac bol kvôli migrácii systému zaznamenaný neúplne.
Pipeline strojového učenia je definovaná postupnosť krokov, ktorá mení surové údaje na nasaditeľný model: zber a čistenie údajov, príprava príznakov, trénovanie, vyhodnotenie, nasadenie a monitorovanie. Automatizácia týchto krokov robí výsledky reprodukovateľnými a umožňuje spracovať nové údaje s malou námahou. Maloobchodník môže napríklad každý týždeň znova natrénovať a otestovať model predpovede predaja s najnovšími číslami.
