Solutions de science des données
Dernière mise à jour : 14 mai 2025
Vous pouvez analyser les données et créer des solutions d'apprentissage automatique avec des outils qui offrent différents niveaux d'automatisation. Les méthodes que vous choisissez pour utiliser des données ou des modèles vous aident à déterminer les outils qui correspondent le mieux à vos besoins.
Chaque outil comporte une tâche principale spécifique. Certains outils disposent de fonctions pour plusieurs types de tâches.
Vous pouvez choisir un outil dans un projet en fonction de la quantité d'automatisation souhaitée:
- Outils d'éditeur de code: à utiliser pour écrire du code dans Python ou R, tous avec Spark également.
- Outils de générateur graphique : Utilisez les menus et les fonctionnalités de glisser-déposer d'un générateur pour le programme visuel.
- Outils de générateur automatisés : permet de configurer des tâches automatisées nécessitant une entrée utilisateur limitée.
| Outil | Tâche principale | Type d'outil | Utiliser les données | Utiliser des modèles |
|---|---|---|---|---|
| Data Refinery | Préparer et visualiser des données | Générateur graphique | ✓ | |
| Visualisations | Générez des graphiques pour visualiser les données | Générateur graphique | ✓ | |
| Editeur de bloc-notes Jupyter | Utiliser des données et des modèles dans des blocs-notes Python ou R | Editeur de code | ✓ | ✓ |
| IDE RStudio | Travailler avec des données et des modèles ML dans R | Editeur de code | ✓ | ✓ |
| SPSS Modeler | Construire des modèles de ML sous forme de flux visuel | Générateur graphique | ✓ | ✓ |
| Decision Optimization | Résoudre les problèmes d'optimisation | Générateur graphique, éditeur de code | ✓ | ✓ |
| Outil AutoAI | Générer automatiquement des modèles d'apprentissage automatique | Générateur automatisé | ✓ | ✓ |
| Pipelines | Automatiser le cycle de vie des modèles | Générateur graphique | ✓ | ✓ |
En savoir plus
La rubrique a-t-elle été utile ?
0/1000