Na direção do modelador spss – spss analytics preditivo bitcoin linux

Houve várias alterações no Data Science da IBM & Portfólio de produtos Machine Learning nos últimos meses. Isso também trouxe alguma confusão em torno do direção do IBM SPSS Modeler, então eu queria esclarecer algumas coisas. Se você não ler mais, quero que você saiba que o IBM SPSS Modeler NÃO está indo embora. Na verdade, investimos significativamente no SPSS Modeler nos últimos 12 meses e vemos isso como uma parte muito importante de nosso portfólio de produtos nos próximos anos.

modelo de negócio de bitcoin

Você também poderá acessar a versão autônoma clássica do SPSS Modeler e seus aprimoramentos por muito mais anos, à medida que continuarmos a investir nela. A versão curta da história é um “novo” SPSS Modeler será uma parte de Watson Studio. Teremos três maneiras de acessar o “novo” SPSS Modeler: Watson Studio em nuvem pública, nuvem privada e área de trabalho


Há uma história interessante sobre o SPSS Modeler. Foi uma aquisição pela SPSS da ISL (Integral Solutions, Ltd) para seu produto, Clementine (também conhecido como Modeler), em 1998. A ISL era uma consultoria de serviços com tecnologia usando seu produto inicial, em 1989, PopLog AI Development Environment, que era uma codificação. plataforma intensiva. Naquela época, técnicas de aprendizado de máquina eram usadas com o PopLog para aplicações como a previsão do volume de vendas no varejo, previsão de audiência de TV e perfis de clientes do setor financeiro.

Analisar os dados dos clientes no ambiente Poplog significa rotinas de escrita (no POP-11) para ler os dados, realizar várias manipulações, realizar operações exploratórias como plotagem de gráficos, converter os dados em uma forma adequada para os sistemas de aprendizado de máquina, aplicar os sistemas de aprendizado de máquina, aplicam as regras resultantes ou redes neurais para testar dados e analisar os resultados. De longe, a maior parte do trabalho foi a codificação, com apenas uma pequena proporção sendo focada nos padrões dos dados e sua interpretação. Houve alguma reutilização de código em cada projeto e uma quantidade menor entre projetos, mas essencialmente cada rotina foi altamente personalizada para os dados envolvidos e a tarefa específica.

receba bitcoins gratuitos rapidamente

Como esses projetos se sucederam, ficou claro que o ISL estava executando as mesmas tarefas de codificação repetidamente. Então, em 1994, Clementine nasceu. O projeto inicial combinou versões reutilizáveis ​​dos módulos que a ISL desenvolveu para projetos específicos com uma interface de programação visual que tornou extremamente fácil “conectar” esses módulos para formar um processo de mineração de dados.

vender bitcoin na Nigéria

Esses princípios de design se aplicam tanto ao especialista em ciência de dados ou aprendizado de máquina quanto ao não-tecnólogo. Se a tarefa é entender os padrões nos dados, pouco importa que o usuário tenha conhecimento sobre a tecnologia usada para modelagem. Esse conhecimento pode ser útil ao compreender o comportamento detalhado da tecnologia, mas isso raramente é necessário e, então, apenas uma pequena parte da tarefa. Se as ferramentas apresentam tais problemas técnicos, elas desviam a atenção do negócio principal de entender os padrões nos dados e a realidade que eles representam.

Na última década, vimos muitas mudanças no espaço da ciência de dados. Isso simplesmente se relaciona com a proliferação de dados, onde ela vive, movimenta, governa e computa. Estamos vendo cada vez mais as empresas se esforçando para acompanhar as crescentes demandas para extrair valor dos dados. Além disso, e excitantemente, Código aberto linguagens e ferramentas tornaram-se parte do ecossistema. Enquanto, historicamente, empresas como SPSS e SAS tinham que fornecer soluções proprietárias em todo o ciclo de vida de analítica porque tinham que controlar graus de liberdade, linguagens e ferramentas de código aberto separaram o ciclo de vida da análise, dividiram em partes e tornar-se confiável. Agora, existem empresas específicas que aproveitam o código aberto como pontos de integração para se concentrar na preparação de dados, na engenharia de recursos, na modelagem e na implantação, além da proliferação de linguagens, bibliotecas e ferramentas de código aberto de um ecossistema incrível.

bitcoin vs ethereum chart

Estamos empolgados porque isso permite que a IBM aproveite o ecossistema de código aberto com nossas ofertas existentes para oferecer a nossos clientes a flexibilidade de que precisam para extrair valor de seus dados da maneira que desejarem. Estas são algumas das razões pelas quais criamos uma plataforma de ciência de dados, o Watson Studio, com não apenas integrações de produtos IBM, mas também ferramentas de código aberto e produtos de parceiros.

Em suma: nada. Estamos nos atendo aos princípios de design originais da Clementine (Modeler): desviar a atenção da tecnologia e dos dados para orientar as decisões do roteiro do produto. Emocionante, ao longo dos últimos doze meses, temos recriado o SPSS Modeler existente com tecnologias mais recentes, além de proporcionar um novo e bonito facelift, alterando a interface do usuário. Usamos nossa premiada equipe de projeto da IBM para nos ajudar nesse caminho. Este “novo” SPSS Modelador será a ferramenta de modelagem visual em nossas ofertas do Watson Studio. Estamos no caminho para caracterizar a paridade entre o SPSS Modeler existente e o ‘Novo’ SPSS Modeler e também modernizá-lo ainda mais para alavancar o ecossistema da ciência de dados. Nós nos perguntamos constantemente: “Se a ISL construísse uma nova Clementine hoje, qual seria?”