Ihre Werkzeuge zur Datenanalyse
Mit Hilfe von vielen hilfreichen Analyse-Werkzeugen, die der Data Intelligence Hub anbietet, können Sie Ihre Daten schnell und einfach weiterverarbeiten und für Sie maßgeschneiderte Erkenntnisse generieren.
Mit Hilfe von vielen hilfreichen Analyse-Werkzeugen, die der Data Intelligence Hub anbietet, können Sie Ihre Daten schnell und einfach weiterverarbeiten und für Sie maßgeschneiderte Erkenntnisse generieren.
Azure Databricks ist ein schneller, einfacher und zusammenarbeitsorientierter Analysedienst auf Apache Spark-Basis. Erstellen Sie in wenigen Schritten Ihre Big Data-Pipelines basierend auf den Daten, die von Data Lakes oder Streaming-Diensten aufgenommen wurden. Einrichtung mit nur einem Klick, optimierte Workflows und einen interaktiven Arbeitsbereich für die Zusammenarbeit von Datenspezialisten, Data Engineers und Business Analysts.
www.databricks.com
Mit der Cloudera DataScience Workbench können Data Scientists ihre eigenen Analyse-Pipelines verwalten. Dies schließt integrierte Planung, Überwachung und E-Mail-Alarmierung mit ein. Entwickeln und prototypisieren Sie schnell neue Machine-Learning-Projekte und stellen Sie diese einfach in der Produktion bereit.
www.cloudera.com
Das frei nutzbare Dashboarding-Tool Grafana von Grafana Labs hilft Ihnen dabei, alles im Blick zu behalten. Es ist stark verbreitet, da es besonders ausgereift ist und stabil läuft.
www.grafana.com
Der Open-Source-Service H2O von H2O.ai ist ein Java-Backend für Machine-Learning-Anwendungen. Es kommt entweder für Einsteiger mit einem voreingestellten Frontend oder kann mittels APIs über Programmiersprachen wie Python, R oder Java gesteuert werden. Es bringt eigene Umsetzungen von beliebten ML-Algorithmen mit, die mit zu den Besten im Markt gehören.
www.h2o.ai
Unternehmen nutzen jetzt Data Science und Künstliche Intelligenz (KI) als technologiebasierte Geschäftsstrategie. Das Experimentieren über mehrere Clouds hinweg beschleunigt sich. IBM Watson Studio ist eine führende Plattform für Data Science und maschinelles Lernen, die von Grund auf für Unternehmen mit KI-Technologie entwickelt wurde. Es hilft Unternehmen dabei, den Prozess des Experimentierens zu vereinfachen, die Datenexploration sowie die Modellentwicklung und -schulung zu beschleunigen und Data Science-Vorgänge über den gesamten Lebenszyklus hinweg zu skalieren. Mit IBM Watson Studio können Unternehmen auf Datenbestände zugreifen und Vorhersagen in Geschäftsprozesse und moderne Anwendungen einfügen. Anschließend können sie mithilfe visueller Datenanalyse und Entscheidungsoptimierung den Geschäftswert optimieren. Es eignet sich für hybride Multicloud-Umgebungen, die geschäftskritische Leistung, Sicherheit und Governance erfordern - in öffentlichen Clouds, in privaten Clouds, vor Ort und auf dem Desktop.
www.ibm.com/watson-studio
Diese Open-Source-Workbench von NumFocus ist vergleichbar mit anwenderfreundlichen Verarbeitungsprogrammen für Textdokumente. Anders als der Standard-Editor bietet sie dem Nutzer sinnvolle und effiziente Funktionen, um einfach auf Daten und andere Ressourcen zuzugreifen.
www.numfocus.org/jupyter
RStudio ist eine integrierte Entwicklungsumgebung (Integrated Development Environment, kurz IDE) und ermöglicht es, Daten in der Programmiersprache R zu analysieren. Die Workbench enthält eine Konsole, einen Syntaxhervorhebungseditor, der direkte Codeausführung unterstützt, sowie Tools für Plotting, History, Debugging und Workspace Management.
www.rstudio.com
Von der Open-Source-Community Apache entwickelt, hilft dieses Tool bei der Datenaufnahme, -erkennung, -analyse und -visualisierung. Die Interpreter ermöglichen den Anschluss von Code in jeder Sprache an Zeppelin mit Unterstützung für Apache Spark, R, Hive, Shell, Cassandra und mehr.
www.zeppelin.apache.orgSie müssen keine eigenen Algorithmen entwickeln, um Ihre eigenen und externen Daten miteinander zu verknüpfen: Der Data Intelligence Hub bietet Ihnen eine große Anzahl der besten Anwendungen und Libraries an, um Daten zu verarbeiten und Erkenntnisse zu generieren.
Die noch junge Open-Source-Programmiersprache Julia von NumFocus. ist eine schnelle und benutzerfreundliche Programmiersprache für anspruchsvolle wissenschaftliche Berechnungen. Sie eignet sich daher hervorragend für komplexe Fragestellungen.
numfocus.org/project/julia
Python ist eine Programmiersprache, mit der Sie effizienter arbeiten und Systeme effektiver integrieren können. Durch die Verwendung lassen sich Produktivitätssteigerungen schnell erreichen und Wartungskosten langfristig senken. Dabei eignet sich Python sowohl für erfahrene Programmierer wie auch Einsteiger.
python.org
Die beliebte Open-Source-Programmiersprache des R Core Team ist eine freie Softwareumgebung für statistische Berechnungen und Grafiken. R kompiliert und läuft auf einer Vielzahl von UNIX-Plattformen, Windows und MacOS und ist daher besonders anwenderfreundlich.
r-project.org
Die noch junge Open-Source-Programmiersprache der École polytechnique fédérale de Lausanne ermöglicht die Kombination mehrerer unterschiedlicher Programmierstile. Dabei wird eine funktionale wie auch objektorientierte Programmierung bestmöglich sichergestellt.
scala.epfl.ch
Das Open-Source-Werkzeug Tensorflow von Google ist die meist verwendete Library für den Bau neuronaler Netzwerke und bietet die größte Algorithmen-Familie innerhalb des DataScience Spektrums. Dabei ist Tensorflow verfügbar für Python, R, Java und Javascript.
www.tensorflow.org
Neben DeepLearning (für neuronale Netzwerke) ist das Open-Source-Tool XGBoost von DMLC der beliebteste Algorithmus zur Programmierung von Machine-Learning-Anwendungen.
www.xgboost.ai
