pentahocorp.正在扩大其编排功能的范围，将机器学习包括在内，称其工具集可以帮助数据科学家、工程师和分析师团队在通常所需时间的一小部分时间内培训、调整、测试和部署预测模型。Pentaho说，它的数据集成和分析组合平台使预测模型能够更快地部署，无论模型是用R、Python、Scala还是Weka构建的。这一宣布相当于对现有的Pentaho 7.0平台进行了重新定位，以吸引新的受众。"产品营销部高级主管阿里克·佩尔基（Arik Pelkey）说："我们过去并没有真正针对这个群体，但我们与数据科学家交流是有意义的。Pentaho欧洲/中东/非洲地区企业解决方案主管Wael Elrifai说："建立预测性机器学习模型是一件麻烦事，因为必须为每个数据源定义工作流，而且大多数模型无法顺利过渡到生产阶段。""如果一个火车运营商想要预测故障发生的地点，并且有3000个传感器每秒产生400万个数据点，数据科学家需要编写3000个工作流程，"他说我们可以在一个高层次上使用拖放隐喻来完成所有这些。Pentaho说，它可以弥合预测模型和操作数据流之间的差距，而预测模型通常都是在笔记本中捕捉到的。Elrifai说，在Pentaho进行构建时，"90%的功能工程最终都是生产流程的一部分。"您的功能问题也是运营模式的一部分。"该公司表示，建立预测模型的任务因筒仓而受挫，这些筒仓阻碍了跨职能工作流程。Ventana Research Inc.表示，92%的企业计划增加预测分析的使用，但半数企业难以将预测模型集成到现有架构中。Pentaho正在解决这个问题，它使得在模型过渡到运行时更容易保存构建模型的工作。数据科学家和工程师可以使用该平台来混合传统资源，如企业资源规划，企业资产管理和非结构化数据源在一个自动化的过程中，结合了数据装载、数据转换和数据验证。Pentaho说，通过集成R和Python等语言，以及包括Spark MLlib和Weka在内的机器学习包，它使数据科学家能够更快地训练、调整、构建和测试模型。然后，由数据科学家开发的模型可以直接嵌入到数据工作流中，从而利用现有的数据和特性工程工作。数据工程师和科学家还可以使用新的数据集重新训练现有的模型，或者使用自定义的执行步骤进行特性更新。预构建的工作流可以自动更新模型并存档现有模型。版本7.0中的增强使数据转换过程的可视化调试成为可能，这也可以应用于机器学习模型。照片：聪明的齿轮！通过photopin（许可证）既然你来了…点击订阅我们的YouTube频道（见下文），显示您对我们使命的支持。我们的订户越多，YouTube就越会向你推荐相关的企业和新兴技术内容。谢谢！支持我们的使命：>>>>>立即订阅我们的YouTube频道。……我们还想告诉你我们的使命，以及你如何帮助我们完成它。SiliconANGLE Media Inc.的商业模式是基于内容的内在价值，而不是广告。与许多在线出版物不同的是，我们没有付费墙或横幅广告，因为我们想让我们的新闻保持开放，不受影响，也不需要追逐交通。那个新闻、报道和评论SiliconANGLE——以及现场报道，我们的硅谷工作室和cube环球巡演的视频团队提供的未经剪辑的视频需要大量的辛勤工作、时间和金钱。保持高质量需要赞助商的支持，他们与我们的无广告新闻内容的愿景一致。如果你喜欢这里的报道，视频采访和其他无广告内容，请花点时间看看我们的赞助商支持的视频内容样本，在推特上表达你的支持，然后继续回到SiliconANGLE。