Российская цифровая аналитическая платформа визуальной разработки сценариев аналитики данных и текстов, не требующая для работы навыков программирования. Узнайте больше о PolyAnalyst
Системы машинного обучения
Машинное обучение — форма искусственного интеллекта, позволяющая системе обучаться на основе данных, а не путём программирования в явном виде. По мере того как алгоритмы обрабатывают наборы обучающих данных, на основе них могут создаваться более точные модели. Помочь в создании ИИ призваны системы машинного обучения.
Сортировать по:
Показывать по:
В избранное
В избранное
Low-code платформа Loginom делает продвинутую аналитику доступной бизнес-пользователям. Визуальный конструктор позволяет настроить все процессы анализа: интеграция, подготовка данных, моделирование, визуализация. Loginom сокращает время от тестирования гипотезы до создания работающего бизнес-процесса. Узнайте больше о Loginom
В избранное
Anaconda была создана специалистами по Data Science для Data Science. Более 20 миллионов человек используют наши технологии для решения самых сложных задач. Узнайте больше о Anaconda
В избранное
Alteryx предоставляет автоматизированное, полностью управляемое машинное обучение и моделирование, а также опции “экспертного режима” для ускорения результатов. Создавайте, проверяйте, развертывайте и оптимизируйте модели в визуальном, управляемом опыте. Используйте интегрированную подготовку данных и профилирование в процессе создания модели. Узнайте больше о Alteryx
В избранное
Управляемый MLflow построен поверх MLflow, платформы с открытым исходным кодом, разработанной Databricks для управления полным жизненным циклом машинного обучения с корпоративной надёжностью, безопасностью и масштабированием. Узнайте больше о Databricks
В избранное
Система анализа данных для различных компаний, независимо от их опыта, отрасли или размера, стремящихся создать стратегические преимущества бизнеса, основанные на данных. Узнайте больше о Dataiku
В избранное
Платформа, которая позволяет бизнес-аналитикам построить прогнозную аналитику без знания машинного обучения или программирования. Платформа использует автоматизированное машинное обучение (AutoML) для создания точных прогностических моделей за короткий промежуток времени. Узнайте больше о DataRobot
В избранное
Domino централизует работу в области Data Science и инфраструктуру по всему предприятию для совместного создания, обучения, развертывания и управления моделями – быстрее и эффективнее. Узнайте больше о Domino
В избранное
Интуитивно понятный, открытый и постоянно интегрирующий новые разработки KNIME делает понимание данных и проектирование рабочих процессов data science и многоразовых компонентов доступными для всех. Узнайте больше о Knime
В избранное
Пакет статистического программного обеспечения, разработанный SAS Institute для управления данными, расширенной аналитики, многомерного анализа, бизнес-аналитики, уголовного расследования и прогнозной аналитики. Узнайте больше о SAS
В избранное
Консолидируйте свои накопленные данные и используйте их в своих интересах. Узнайте больше о Universal Storage
В избранное
Постройте плодотворные долгосрочные отношения с покупателями с помощью машинного обучения ML, которое поможет исключить человеческий фактор и снизить риски принятия ошибочных решений. Узнайте больше о Machine Learning
В избранное
Эволюционная платформа искусственного интеллекта для глубокого обучения в виртуальной реальности для любых приложений компьютерного зрения. Эволюционная платформа глубокого обучения и генерации данных Sky Engine разработана для решения сложных задач распознавания объектов, связанных с современным компьютерным зрением. Она представляет будущее самообучения в технологии искусственного интеллекта, поддерживая эффективные и экономичные рабочие процессы. Sky Engine разработан с учетом требований завтрашнего дня в области трансформации бизнеса с использованием искусственного интеллекта. Узнайте больше о Sky Engine AI Platform
В избранное
Наше программное обеспечение для глубокого обучения Retina переопределяет ваш контроль качества с помощью искусственного интеллекта. Узнайте больше о Retina Deep Learning
В избранное
MVISIA - это платформа глубокого обучения, которая использует технологию анализа видеозаписей с корпоративных камер, автоматизируя управление визуальными процессами. Благодаря интегрированной платформе, которая поддерживает базу данных изображений, полученных с камер, можно обучить устройство распознавать определенные аспекты изображений. Таким образом, компании могут автоматически отслеживать свои производственные линии и обучать программное обеспечение выявлению возможных сбоев. Узнайте больше о ESOS
В избранное
API-инструмент, который предоставляет библиотеку нейронных сетей с открытым исходным кодом через рекуррентные и сверточные сети. Узнайте больше о Keras
В избранное
Платформа с графическим ускорением позволяет специалистам по обработке данных управлять данными, а также разрабатывать и обучать модели нейронных сетей. Узнайте больше о NVIDIA GPU Cloud (NGC)
В избранное
Платформа глубокого обучения с открытым исходным кодом, обеспечивающая поддержку графических процессоров. Идеально подходит для академических исследований и промышленных приложений. Узнайте больше о Caffe
В избранное
Платформа глубокого обучения, которая позволяет легко обрабатывать данные и предоставляет веб-интерфейс с возможностью перетаскивания, чертежи и векторные карты. Узнайте больше о SignalBox
В избранное
Amplifire - это платформа глубокого обучения, созданная на основе последних достижений в области науки об обучении. Она уникальным образом обнаруживает и исправляет дезинформацию и пробелы в знаниях, которые могут привести к ошибкам. Платформа использует когнитивные исследования, поведение учащихся и искусственный интеллект, чтобы постоянно обеспечивать более быстрый и увлекательный путь к повышению квалификации. Учащиеся предпочитают персонализированный процесс обучения, а организации используют его для достижения своих бизнес-целей. Узнайте больше о Amplifire
Системы машинного обучения
Системы машинного обучения позволяют обучать модели на основе наборов данных до использования моделей. Некоторые модели машинного обучения работают постоянно. Такой итеративный процесс обучения моделей позволяет улучшать типы связей между элементами данных. Человек не всегда обнаруживает такого рода зависимости и связи вследствие их сложности и большого объёма данных. После завершения обучения модели она может использоваться в режиме реального времени для продолжения обучения на основе поступающих данных. Повышение точности достигается в результате процесса обучения и автоматизации, которые являются частью машинного обучения.
Алгоритмы машинного обучения делают прогнозы или принимают решения на основе данных. Эти алгоритмы обучения могут быть встроены в приложения для обеспечения функций автоматизированного искусственного интеллекта. Подключение к источнику данных необходимо для того, чтобы алгоритм со временем обучался и адаптировался. Существует множество различных типов алгоритмов машинного обучения, которые выполняют различные задачи и функции. Эти алгоритмы могут быть разработаны с помощью контролируемого обучения или обучения без присмотра.