Machine Learning service

Fonctionnalité de l’offre Cloud Public OpenStack Flexible Engine proposée par Orange Business Services

 

Description

Machine Learning Service (MLS) est un service de plateforme d’analyse qui vous permet de découvrir rapidement des aperçus de données et de créer des modèles prédictifs grâce à des techniques d’apprentissage automatique, et de déployer les modèles en tant que solutions analytiques prédictives.

MLS fournit une interface d’opération visualisée pour orchestrer les processus de formation, d’évaluation et de prédiction des modèles d’apprentissage machine. Deplus, il intègre de manière transparente l’analyse des données avec les applications de prédiction, simplifiant ainsi la gestion du cycle de vie des modèles d’apprentissage machine

Bénéfices

  • Facilité d’utilisation : MLS offre aux utilisateurs un moyen facile d’utiliser le Machine Learning et de créer des solutions flexibles d’analyse prédictive dans le Cloud. De plus, MLS réduit considérablement  la compléxité et les coûts d’exploitation et de maintenance, ce qui aide à se concentrer sur les niveaux applicatif et commerciaux.
  • Analyse prédictive interactive : Outils de programation interactifs pour ordinateur portable.
  • Compatibilité avec un grand nombre d’algorytmes de la communauté Open Source
  • Simplicité d’utilisation : Interface glisser-déposer pour créer un modèle sans nécéssiter de connaissances en programmation.
  • Application du modèle : Les clients peuvent utiliser le modèle formé pour faire des prédictions globales de nouvelels données.
  • Visualisation : Type de graphique riche intégré, WYSIWYG, pour améliorer l’efficacité de l’exploration des données.
  • Riche bibliothèque d’algorithme : Le service MLS optimise l’algorithme d’apprentissage machine couramment utilisé, a une meilleure performance et un meilleur ratio d’accélération linéaire, supporte le traitement des données massives d’analyse distribuée, l’utilisateur peut étendre l’algorithme personnalisé.

Fonctionnalités Vous pouvez vous connecter à la console MLS pour créer et gérer les instances MLS.

  • Une instance MLS doit être créée pour utiliser l’interface d’apprentissage machine. Vous pouvez créer plusieurs instances MLS en même temps, les gérer et y accéder.
  • Interface de commande d’instance MLS : Chaque instance MLS fournit une interface visualisée pour que vous puissiez effectuer des opérations MLS. MLS fournit également Restful API pour vous permettre d’éxécuter le travail d’analyse prédictive automatiquement.
  • Adresse de service : Une fois qu’une instance MLS est créée, l’utilisateur peut accéder à l’interface d’apprentissage de la machine via l’adresse d’instance correspondante (interne ou externe).
  • Noeud de traitement  MLS: Un noeud est une unité d’exécution logique, correspondant à une sous-étape de traitement des données. MLS encapsule différentes étapes de traitement des données (chargement des données, prétraitement des données et algorithmes d’apprentissage machine) en différents noeuds, masquant les détails de programmation.
  • Flux de travail : Un workflow est un ensemble de processus qui relie plusieurs noeuds pour construire un modèle d’analyse prédictive. Vous pouvez combiner plusieurs noeuds en les glissant et en les connectant sur l’interface d’opération d’instance MLS pour former une définition d’exécution logique (workflow) plus complexe qu’un noeud unique.
  • Ordinateur portable interactif : MLS intègre Jupyter Notebook pour fournir aux utilisateurs un ordinateur portable en tant qu’environnement de développement intégré d’applications d’apprentissage machine.
  • Modèle de configuration d’exécution : Un modèle de configuration d’exécution est utilisé pour configurer les ressources de calcul. Vous pouvez créer des modèles de configuration d’exécution sur l’interface d’opération d’instance MLS et les affecter aux projets.
  • Projet : Un projet organise des ressources d’information définies par l’utilisateur. Vous pouvez créer des projets sur l’interface d’opération d’instance MLS pour gérer vos workflows et exécuter des modèles de configuration.

USE CASES

Analyse de marché

A partir des dossiers de consommation des clients il est possible de trouver un groupe de clients avec des caractéristiques communes (intérêts, niveaux de revenus et habitudes de consommation, etc.) analyser quel type de client achète quels produits, afin d’ajuster la stratégie de marché.

Recommandation ciblée

Les banques analysent les caractérisques des clients à partir de leurs informations financières personnelles. Ainsi, elles sont en mesure de cibler les clients et de leur recommander les produits appropriés (prêts, produits financiers, ect.) à des prix attractifs pour obtenir des gains importants.