Orchestrierungsfunktionen angekündigt
Pentaho strafft den Machine Learning Workflow
| Autor / Redakteur: Martin Hensel / Nico Litzel
Mit neuen Orchestrierungsfunktionen will Pentaho den Machine Learning Workflow straffen. Data Scientists, Dateningenieure und -analysten sollen damit Vorhersagemodelle trainieren, abstimmen, testen und implementieren können.
Pentaho will mit der jetzt angekündigten Orchestrierung den Entwurfs- und Implementierungsprozess von erweiterten Analysemodellen maximieren. Viele Unternehmen bringen derartige Modelle nur schwer zum Laufen, da die Fachleute oft isoliert voneinander arbeiten und der Workflow von der Datenvorbereitung bis zur Aktualisierung der Modelle Engpässe aufweist. Die neuen Funktionen sollen mit Version 7.0 der Pentaho-Plattform Einzug halten.
Engpässe vermeiden
Die Plattform ermöglicht die Zusammenarbeit und überwindet Engpässe in mehreren Bereichen. Beim Data und Feature Engineering lassen sich traditionelle Datenquellen wie ERP oder EAM mit Big-Data-Quellen wie Sensor- und Social-Media-Informationen vorbereiten und verknüpfen. Speziell das Feature Engineering wird durch automatisierte Dateneinspeisung, Transformation und Validierung in einer Drag-and-drop-Umgebung beschleunigt.
Für das Training, Tuning und Testing der Modelle unterstützt die Pentaho-Plattform Programmiersprachen wie R und Python sowie Machine-Learning-Pakete wie Spark, MLlib und Weka. Bei der Implementierung und Operationalisierung der Modelle kann auf bereits vorhandene Daten und Feature-Engineering-Anstrengungen zurückgegriffen werden. Einbettbare APIs ermöglichen den Einsatz von Pentaho innerhalb existierender Anwendungen. Die Plattform erlaubt außerdem die automatische Aktualisierung der Modelle.
