Soluzioni di data science
Ultimo aggiornamento: 14 mag 2025
È possibile analizzare i dati e creare soluzioni di apprendimento automatico con strumenti che forniscono vari livelli di automazione. I metodi scelti per l'utilizzo di dati o modelli consentono di determinare quali strumenti si adattano meglio alle proprie esigenze.
Ogni strumento ha una specifica attività principale. Alcuni strumenti hanno capacità per più tipi di attività.
È possibile scegliere uno strumento in un progetto in base alla quantità di automazione desiderata:
- Strumenti dell'editor di codice: utilizzare per scrivere il codice in Python o R, anche con Spark.
- Strumenti di creazione grafica: utilizzare i menu e la funzionalità di trascinamento e rilascio su un builder per programmare visivamente.
- Strumenti di creazione automatizzati: utilizzare per configurare attività automatizzate che richiedono un input utente limitato.
| Strumento | Attività principale | Tipo di strumento | Gestisci i dati | Gestione modelli |
|---|---|---|---|---|
| Data Refinery | Preparare e visualizzare i dati | Builder grafico | ✓ | |
| Visualizzazioni | Crea grafici per visualizzare i dati | Builder grafico | ✓ | |
| Editor di notebook Jupyter | Gestire dati e modelli in Python o R notebooks | Editor di codice | ✓ | ✓ |
| RStudio IDE | Lavorare con dati e modelli ML in R | Editor di codice | ✓ | ✓ |
| SPSS Modeler | Costruire modelli di ML come flusso visivo | Builder grafico | ✓ | ✓ |
| Decision Optimization | Risolvere i problemi di ottimizzazione | Builder grafico, editor di codice | ✓ | ✓ |
| Strumento AutoAI | Crea automaticamente i modelli di machine learning | Builder automatico | ✓ | ✓ |
| Pipeline | Automatizza il ciclo di vita del modello | Builder grafico | ✓ | ✓ |
Ulteriori informazioni
L'argomento è stato utile?
0/1000