ClearVu Analytics Python Package
Automatic Machine
Learning in Python

ClearVu Analytics Python Package
Automatic Machine
Learning in Python

Screenshot von der Software ClearVu Solutions

Automated Machine Learning in Python

Automatisches Machine Learning – kurz AutoML – ist die Schlüsseltechnologie für datenbasierte Prognosen mit künstlicher Intelligenz. Unser sehr leicht zu verwendendes ClearVu Python Paket ermöglicht es Ihnen, diese Technologie nun in Python komfortabel zu nutzen. Unsere leistungsfähige Software ClearVu Analytics kann damit nun auch aus Python heraus genutzt werden.

Product sheet PDF

Automated Machine Learning in Python

Automatisches Machine Learning – kurz AutoML – ist die Schlüsseltechnologie für datenbasierte Prognosen mit künstlicher Intelligenz. Unser sehr leicht zu verwendendes ClearVu Python Paket ermöglicht es Ihnen, diese Technologie nun in Python komfortabel zu nutzen. Unsere leistungsfähige Software ClearVu Analytics kann damit nun auch aus Python heraus genutzt werden.

Product sheet PDF

State-of-the-art Machine Learning Algorithmen verfügbar:

State-of-the-art Machine Learning Algorithmen verfügbar:

  • Support Vector Machines
  • Decision Trees
  • Random Forests
  • Gaussian Processes
  • Artificial Neural Networks
  • Generalized Linear Models
  • Fuzzy Models
  • Kernel Quantile Regression
  • PLS Regression

  • Principal Component Regression
  • Support Vector Machines
  • Decision Trees
  • Random Forests
  • Gaussian Processes
  • Artificial Neural Networks
  • Generalized Linear Models
  • Fuzzy Models
  • Kernel Quantile Regression
  • PLS Regression
  • Principal Component Regression

Automatische Hyperparameteroptimierung
für das Tuning von Modellen

Eine der wesentlichen Ideen des Automated Machine Learning besteht in der Optimierung der Einstellparameter der Machine Learning Algorithmen für den spezifischen Datensatz des Anwenders. ClearVu Analytics für Python enthält den von den Experten der divis entwickelten Hyperparameter-Optimierer, der dieses Optimierungsproblem automatisch, effizient, und für den Anwender vollständig unkompliziert löst.

models = [manager.create_model(model_type) for model_type in model_types
for model in models:
model.fit(data_frame, input_variable_names, output_variable_name)

Der Anwender kann wählen, ob alle Modellierungsalgorithmen oder nur eine spezielle Auswahl für den jeweiligen Datensatz trainiert und die Hyperparameter optimiert werden sollen. Die Selektion des besten Modells wird dann auf der Basis der gemessenen durchschnittlichen Vorhersagequalität der Modelle automatisch durchgeführt.

comp = manager.compare_models(models)
winner = comp.get_winner()

Automatische Hyperparameteroptimierung
für das Tuning von Modellen

Eine der wesentlichen Ideen des Automated Machine Learning besteht in der Optimierung der Einstellparameter der Machine Learning Algorithmen für den spezifischen Datensatz des Anwenders. ClearVu Analytics für Python enthält den von den Experten der divis entwickelten Hyperparameter-Optimierer, der dieses Optimierungsproblem automatisch, effizient, und für den Anwender vollständig unkompliziert löst.

models = [manager.create_model(model_type) for model_type in model_types
for model in models:
model.fit(data_frame, input_variable_names, output_variable_name)

Der Anwender kann wählen, ob alle Modellierungsalgorithmen oder nur eine spezielle Auswahl für den jeweiligen Datensatz trainiert und die Hyperparameter optimiert werden sollen. Die Selektion des besten Modells wird dann auf der Basis der gemessenen durchschnittlichen Vorhersagequalität der Modelle automatisch durchgeführt.

comp = manager.compare_models(models)
winner = comp.get_winner()

Python package und API Dokumentation

Unser ClearVu Analytics Python Paket benutzt das pandas Paket als Dateninterface. Die Parallelisierung der Modellierung wird voll unterstützt und kann mit Paketen wie joblib verwendet werden. Ein Beispiel dazu ist in der API Dokumentation zu finden.

Die API Dokumentation gibt Ihnen alle weiteren notwendigen Informationen zum Programmierinterface in Python, mit den Funktionen für Modelltraining, Modellvergleich, laden, speichern und exportieren von Modellen.

cva API documentation
Kostenlose Online-Präsentation anfordern

Python package und API Dokumentation

Unser ClearVu Analytics Python Paket benutzt das pandas Paket als Dateninterface. Die Parallelisierung der Modellierung wird voll unterstützt und kann mit Paketen wie joblib verwendet werden. Ein Beispiel dazu ist in der API Dokumentation zu finden.

Die API Dokumentation gibt Ihnen alle weiteren notwendigen Informationen zum Programmierinterface in Python, mit den Funktionen für Modelltraining, Modellvergleich, laden, speichern und exportieren von Modellen.

cva API documentation
Kostenlose Online-Präsentation anfordern

Preis

ClearVu Analytics
Python Package

980 € Netto pro Lizenz / Jahr

Python Package Anfordern

Preis

ClearVu Analytics
Python Package

980 € Netto pro Lizenz / Jahr

Python Package Anfordern

Weitere Software

Logo von ClearVu Analytics

Unser Software-Tool ClearVu Analytics (CVA) bietet optimale Unterstützung für alle Aspekte der Datenanalyse, Prognose, Produkt- und Prozessoptimierung. Die Flexibilität des Systems erlaubt auch eine direkte Integration in existierende Workflows und Anbindung an Produktionsprozesse.

Logo von ClearVu Solution Spaces

ClearVu Solution Spaces (CVSS) unterstützt Sie bei der Auslegung von Systemen und Komponenten in der Automobilindustrie. Dabei sind viele Restriktionen einzuhalten und CVSS stellt eine optimale Flexibilität für die Identifikation von Auslegungsvarianten zur Verfügung.

Das Excel Add-In stellt Ihnen mit wenigen Klicks Automated Machine Learning direkt in Excel zur Verfügung, um Prognosemodelle für Ihre Datensätze zu erzeugen. Das resultierende Prognosemodell kann als Zellfunktion direkt für Prognosen verwendet und das Modell selbst kann analysiert und visualisiert werden.

Weitere Software

Logo von ClearVu Analytics
Logo von ClearVu Solution Spaces

Unser Software-Tool ClearVu Analytics (CVA) bietet optimale Unterstützung für alle Aspekte der Datenanalyse, Prognose, Produkt- und Prozessoptimierung. Die Flexibilität des Systems erlaubt auch eine direkte Integration in existierende Workflows und Anbindung an Produktionsprozesse.

ClearVu Solution Spaces (CVSS) unterstützt Sie bei der Auslegung von Systemen und Komponenten in der Automobilindustrie. Dabei sind viele Restriktionen einzuhalten und CVSS stellt eine optimale Flexibilität für die Identifikation von Auslegungsvarianten zur Verfügung.

Das Excel Add-In stellt Ihnen mit wenigen Klicks Automated Machine Learning direkt in Excel zur Verfügung, um Prognosemodelle für Ihre Datensätze zu erzeugen. Das resultierende Prognosemodell kann als Zellfunktion direkt für Prognosen verwendet und das Modell selbst kann analysiert und visualisiert werden.

Kontakt

So erreichen Sie uns

Telefon

0231 97 00 340

E-Mail

Adresse

Joseph-von-Fraunhofer-Straße 20,
44227 Dortmund

Kontakt

So erreichen Sie uns

Telefon

0231 97 00 340

E-Mail

Adresse

Joseph-von-Fraunhofer-Straße 20,
44227 Dortmund