• Cloudera Cloudera
    • X
    Zadzwoń do nas pod numer+48 512 013 107
    Międzynarodowy:+1 (650) 362-0488
    Sprzedaż za pośrednictwem e-mail
    Portal pomocy

    Dostarczaj więcej przypadków użycia
    uczenia maszynowego i rób to szybciej

    Przyspiesz cykl życia uczenia maszynowego dzięki jednej platformie do budowania, wdrażania, serwowania i obsługi modeli w skali.

    Informacje ogólne

    Przekonaj się na własne oczy o możliwościach usługi Machine Learning na platformie Cloudera Data Platform (CDP)

    Dzięki uczeniu maszynowemu w CDP możesz szybciej przygotować więcej przypadków użycia. Narzędzia stworzone z myślą o pełnym cyklu życia danych umożliwiają natychmiastowy dostęp do korporacyjnych potoków danych, skalowalnych zasobów obliczeniowych i dowolnych bibliotek lub IDE. Usprawnij proces wykorzystywania procesów analitycznych w produkcji i inteligentnie zarządzaj wykorzystaniem uczenia maszynowego w całej firmie na dużą skalę.
    Każdy przypadek zastosowania AI
    Intuicyjna samoobsługa
    Szybkie wdrażanie modelu
    Współpraca w czasie rzeczywistym
    Wydajność i skala
    Modelowe zarządzanie
    Przyspiesz realizację projektu

    Przyspiesz realizację projektów uczenia maszynowego dzięki prototypom uczenia maszynowego (AMP).

    AMP to kompletne projekty uczenia maszynowego, które pomagają przedsiębiorstwom przygotowywać przypadki użycia uczenia maszynowego znacznie szybciej niż wcześniej. Dzięki otwartemu kodowi, gotowym modelom i gotowym aplikacjom biznesowym AMP pomogą Twojej firmie osiągnąć większy zwrot z inwestycji w uczenie maszynowe.
    Deep Learning for Anomaly Detection

    Zastosuj nowoczesne techniki głębokiego uczenia do wykrywania anomalii w celu identyfikacji włamań do sieci.

    Churn Modeling with scikit-learn

    Zbuduj model scikit-learn do przewidywania rezygnacji z usług telekomunikacyjnych na podstawie danych klientów

    Object Detection Inference Visualized

    Wykorzystaj przypominającą blog aplikację Streamlit, aby zaprezentować wizualnie proces wnioskowania w nowoczesnym, jednostopniowym detektorze obiektów.

    Pokaż więcej
    Deep Learning for Image Analysis

    Stwórz aplikację do wyszukiwania semantycznego za pomocą modeli głębokiego uczenia.

    Few-Shot Text Classification

    Przeprowadź klasyfikację tematyczną artykułów informacyjnych w wielu zestawach danych z ograniczonym oznakowaniem.

    Deep Learning For Question Answering

    Poznaj pojawiające się możliwości NLP dzięki WikiQA, zautomatyzowanemu systemowi odpowiadania na pytania zbudowanemu na bazie Wikipedii.

    Pokaż mniej

    Otwarte narzędzia

    Wzmocnij korporacyjne uczenie maszynowe dzięki swobodzie zapewnianej przez oprogramowanie open source. Korzystaj natywnie z wybranych frameworków, IDE, bibliotek i narzędzi uczenia maszynowego.


    Przykłady wykorzystania

    Zarządzanie cyklem życia uczenia maszynowego dzięki jednemu miejscu do budowania, wdrażania, obsługi i eksploatacji wielu modeli.

    Dostarczaj modele uczenia maszynowego, które rozwiązują problemy i inicjują innowacje w całej branży – obecnie i w przyszłości.

    Łatwo opracowuj, wdrażaj i utrzymuj modele uczenia maszynowego, które wspomagają predykcyjną analizę przypadków użycia w Twojej firmie. Bez względu na to, z jakimi wyzwaniami biznesowymi się mierzysz, platforma Cloudera umożliwia przyspieszenie pełnego cyklu życia uczenia maszynowego na dużą skalę – od potoków danych po tworzenie modeli i wpływ na działalność – a wszystko to z poziomu jednego okna.

    Ochrona zdrowia

    Analiza prawdopodobieństwa wystąpienia raka piersi z wykorzystaniem modelu regresji logistycznej

    Dzięki budowie regresji logistycznej z zestawem danych dotyczących raka piersi w Twoim szpitalu za pomocą języka Python na CML możesz wdrożyć model uczenia maszynowego, który przewiduje, czy guz piersi jest łagodny czy złośliwy.

    Przemysł lotniczy

    Weryfikacja modeli silników odrzutowych

    Wykorzystując dane o silnikach jako dane wejściowe do modelu regresji, można zbudować model uczenia maszynowego ostrzegający linie lotniczych o tym, kiedy silnik prawdopodobnie przekroczy określony próg przydatności do korzystania z niego.

    Badania konsumenckie

    Budowanie aplikacji do analizy nastrojów

    Pobierając zbiory danych z mediów społecznościowych za pośrednictwem interfejsów API, można budować i rozwijać modele uczenia maszynowego przeznaczone do wizualizacji wyników dotyczących nastrojów, aby dowiedzieć się więcej na temat przekazu i reputacji marki.

    Dokumentacja

    Zasoby i przewodniki, które pomogą Ci rozpocząć pracę z uczeniem maszynowym na platformie CDP  

    Cloudera Data Platform usprawnia korporacyjne uczenie maszynowe, ale w kwestii dokumentacji i przewodników nigdy nie idziemy na skróty. Oferujemy solidną bibliotekę zasobów, aby krok po kroku pokazać Ci, co można osiągnąć za pomocą CML i innych narzędzi dostępnych na platformie CDP.
    Przegląd uczenia maszynowego w Cloudera
    ZOBACZ DOKUMENT
    Dokumentacja Cloudera Machine Learning
    ZOBACZ DOKUMENT
    Dokumentacja Cloudera Data Engineering
    ZOBACZ DOKUMENT
    Dokumentacja Applied ML Prototypes (AMP)
    ZOBACZ DOKUMENT
    Budowanie, wdrażanie i uzyskiwanie dostępu do modelu w samouczku CML
    ZOBACZ DOKUMENT
    Budowanie modelu klastrowania za pomocą samouczka CML
    ZOBACZ DOKUMENT

    Your form submission has failed.

    This may have been caused by one of the following:

    • Your request timed out
    • A plugin/browser extension blocked the submission. If you have an ad blocking plugin please disable it and close this message to reload the page.