تعرف على الجديد في IBM SPSS Modeler 18.3

تعرف على الجديد في IBM SPSS Modeler 18.3 قراءة ادخال المدونة

الخصائص الرئيسية

دعم العديد من مصادر البيانات

يستطيع SPSS Modeler قراءة البيانات من الملفات غير المفهرسة وجداول البيانات وقواعد البيانات العلاقية الرئيسية وIBM Planning Analytics وHadoop. يمكنك توسيع امكانيات SPSS Modeler الى وحدة الخدمة Analytic Server مع ترخيصنا الدائم.

نشر النماذج بسهولة

من Scikit-Learn و Tensorflow الى SPSS Modeler، قم بحفظ ونشر النماذج من أكثر اطارات التعلم الآلي شيوعا باستخدام الأدوات التي تختارها: متضمنا أجهزة الحاسب المحمولة وModeler Flows في Watson Studio Desktop أو أي IDE يستخدم الى Python.

اعداد البيانات آليا

يقوم SPSS Modeler آليا بتحويل البيانات الى أفضل نسق للنماذج التنبؤية الأكثر دقة. يستغرق الأمر الآن بضع نقرات فقط لتحليل البيانات وتعريف التصحيحات وعرض المجالات واشتقاق الخصائص المميزة الجديدة.

آلية قوية للرسوم البيانية

الاستفادة من آلية الرسوم البيانية القوية في Watson Studio Desktop لتحقيق الرؤى الخاصة بك في الواقع. يقوم مصمم الرسوم البيانية الذكي بايجاد الرسم البياني المثالي لبياناتك من بين العشرات من الاختيارات، بحيث يمكنك مشاركة الرؤى الخاصة بك بسرعة وسهولة باستخدام أفضل التصورات.

تدفقات التحليل المرئي

يقدم SPSS Modeler واجهة تعامل بيانية بديهية للمساعدة في تصور كل خطوة في عملية التنقيب في البيانات كجزء من تدفق البيانات. والآن يمكن للمحللين ومستخدمي الأعمال اضافة الخبرة والمعرفة التجارية الى العملية بسهولة.

اعداد آلي للنماذج

يمكن أن يقوم SPSS Modeler باختبار طرق اعداد النماذج المتعددة ومقارنة النتائج واختيار النموذج الذي سيتم نشره في عملية تشغيل واحدة. وهذا يسمح لك باختيار أفضل طريقة سريعا بناءا على أداء النموذج.

مجموعة من الطرق الحسابية

يقدم SPSS Modeler عدة تقنيات للتعلم الآلي - بما في ذلك طرق التصنيف والتقسيم والربط متضمنة الطرق المبتكرة التي تقوم بالاستفادة من Python و Spark. يستطيع المستخدمين الآن استخدام لغات مثل R و Python لتوسيع امكانيات اعداد النماذج.

تحليلات النص

يقوم SPSS Modeler بالتقاط المفاهيم والموضوعات والمشاعر والاتجاهات الرئيسية من خلال تحليل بيانات النص غير الهيكلية. يمكنك الآن الكشف عن الرؤى القيمة في محتوى المدونة وتعليقات العملاء ورسائل البريد الالكتروني وتعليقات وسائل التواصل الاجتماعي.

التحليلات الجغرافية المكانية

استكشف البيانات الجغرافية مثل خط الطول وخط العرض والأكواد البريدية والعناوين باستخدام SPSS Modeler. من خلال دمج هذه المعلومات مع البيانات الحالية والتاريخية، يمكنك تكوين رؤى أفضل وتحسين دقة التنبؤ.

دعم التقنيات مفتوحة المصدر

يتيح SPSS Modeler استخدام R و Python و Spark و Hadoop لتضخيم قوة التحليلات. يمكنك أيضا توسيع هذه التقنيات واكملها للحصول على تحليلات أكثر تقدما مع الحفاظ على التحكم في نفس الوقت. يتضمن SPSS Modeler Gold امكانية توصل الى Watson Studio Desktop، التي تسمح لك بتوسع تسلسلات Modeler الخاصة بك باستخدام Jupyter Notebooks، مما يسمح بتعاون مستخدمي الأعمال وعلماء البيانات في نفس بيئة التشغيل.

طرق وأساليب التعلم الآلي

يدعم SPSS Modeler تسلسلات القرارات وشبكات الاتصال العصبية ونماذج الانحدار. الآن يمكنك الاستفادة من ARMA و ARIMA والتسوية الأسية؛ ووظائف النقل باستخدام أدوات التنبؤ والكشف الخارجي؛ والاستفادة من النماذج الموحدة والمتسلسلة هرميا؛ ونماذج Support Vector Machine ونماذج Temporal Causal؛ وتوظيف السلاسل الزمنية و AR المكاني للتنبؤ الزماني المكاني. كما تتيح شبكات Generative Adversarial Networks (GANs)‎ والتعزيزات التعلم العميق أيضا.

طرق نشر متعددة

IBM SPSS Modeler متاح أيضا كجزء من IBM Watson Studio، بالاضافة الى العرض الدائم. يمكن لعلماء البيانات، باستخدام Modeler Gold، جدولة الأعمال للتشغيل في الأوقات المطلوبة. ويمكن لمسؤولي نظام تكنولوجيا المعلومات دمج عملية النشر في الأنظمة الحالية للحصول على عمليات دفعية أو في الوقت الفعلي أو متدفقة.

حالة الاستخدام: تحسين الخدمات اللوجستية ومنع الاخفاقات

وصف المشكلة

  • العمليات اليدوية تكون عرضة للأخطاء وتؤدي إلى تعطل المعدات
  • العمليات المكررة والنفايات التشغيلية شائعة جدا
  • عدم تلبية معايير استمرارية الأعمال والحفاظ على الأمان

وصف الحل

لم يمكن توقع مشكلات الصيانة المحتملة أو تحسين المسارات بهذه السهولة قبل استخدام أداة علوم البيانات المرئية للسحب والوضع هذه.

←مشاهدة الفيديو (01:32)

حالة الاستخدام: بناء عروض جديدة وابتكار نماذج الأعمال

وصف المشكلة

  • من الصعب فهم الكيفية التي يتفاعل بها العملاء إزاء المعلومات وكيف يتصرفون بشأنها
  • إيجاد العروض المناسبة للقنوات المناسبة يشكل تحديا كبيرا للغاية
  • قضاء الكثير من الوقت في تحويل البيانات وتنسيق تدفق المعلومات يعرقل الكفاءة والابتكار

وصف الحل

بدءا من اعداد البيانات الى تطبيق طرق التعلم الآلي، يتيح SPSS Modeler طرقا جديدة لاستغلال المعلومات. الآن يمكنك تكوين عروض جديدة بثقة، ودفع أداء القناة وتحسين عمليات الأعمال من أجل تحقيق أفضل إنتاجية للفريق.

←مشاهدة الفيديو (03:45)

حالة الاستخدام: الكفاءة التشغيلية ودقة التوقعات

امرأة تنظر الى زجاجات

وصف المشكلة

  • رأس المال العامل قليل وتكاليف المخازن تأكل في الميزانية
  • هناك حاجة لتقليص المخزون دون المخاطرة بنفاذ المخزون أو التأثير على خدمة العملاء
  • تؤدي التوقعات غير الدقيقة الى سوء التخطيط وعدم القدرة على تلبية الطلب المتوقع

وصف الحل

يعمل SPSS Modeler على دفع عملية التنبؤ في IBM Planning Analytics، مما يمكن قادة سلسلة الإمداد والتوريد من خفض هامش الخطأ في عملية التنبؤ والتخطيط. ويعمل هذا النهج على تحسين مستويات المخزون وزيادة العائد على رأس المال العامل للشركة، مما يحسن الكفاءة التشغيلية في جميع أنحاء المؤسسة.

←قراءة دراسة الحالة

Next Steps

التجربة الآن

الاعداد للبدء