产品概述

HyperMiner是联想基于自动化机器学习技术,针对企业用户数据特点自主研发的自动化机器学习平台。通过将专业的数据特征处理、模型选择、模型优化等机器学习流程自动化,配合以拖拽式的图形化操作界面,打造了一个无门槛的机器学习平台。使企业用户无需机器学习相关背景也可以通过机器学习挖掘数据价值,让机器学习技术真正落地于企业的业务应用。

产品架构
产品特性
  • 全流程

    覆盖机器学习从数据预处理到模型结果评估的全流程,为用户提供一站式机器学习体验

  • 全自动

    提供从数据自动清洗,特征工程,自动建模及自动调优输出最优结果的全自动化数据处理流程

  • 使用低门槛

    产品提供完善的用户引导流程、丰富的模板、全自动的机器学习流程配合拖拽式的图形化操作界面,用户无需机器学习背景即可轻松使用

  • 友好的可视化

    数据展示、模块管理、训练过程及分析结果全程可视化,用户可以清晰了解整个机器学习流程

  • 良好的开放性

    拥有丰富的 RESTful API 接口,企业用户可以根据自身业务的拓展,可以借助 HyperMiner 平台加入自己的设计理念和自主应用开发

产品功能
  • 全流程自动化

    提供从数据自动清洗、特征工程、自动建模、自动调优到模型结果评估,全自动化覆盖机整个机器学习流程,从而实现自动化的机器学习和应用。

  • 丰富的模板

    产品提供封装好的高度自动化的模块包括通用模板和行业模板,用户也可根据自己的需求创建自定义流程。

  • 强大的算法库

    产品提供丰富的算法,包括二分类和多分类问题、聚类分析、时间序列分析、回归分析等基础机器学习算法,还提供深度学习算法、文本分析、自然语言处理、网络分析、关联规则分析等框架。

  • 开放的API接口

    HyperMiner同时提供“专家使用模式”,用户可以以平台框架为基础自主设计流程和算法模块。

  • 集成深度学习开发环境

    针对在人工智能领域有研发需求的客户,Code Studio 接入第三方工具Jupyter和R,同时兼容 Java、Scala 等工具,为用户提供综合的深度学习开发环境。

应用场景&典型案例

NLP舆情分析

根据收集到的有关某公司或者产品的新闻或者评价等舆情数据,分析出消费者的情感倾向,比如:根据商品评论数据,分析用户情感的倾向,正,负,中性。或者根据更大范围的数据,比如微博,搜索引擎的数据,来分析用户对公司或者产品的口碑。此场景是一个分类问题。可使用行业模板中我们二次开发的SentimentAnalysis Template , 它结合深度学习中LSTM 网络对收集到的文本信息进行情感倾向分析。这样公司就可以即时掌握到市场和消费者对产品及公司的评价,进行商业策略的调整。

金融欺诈分析

从海量数据中找到“欺诈案例”,如信用卡反诈骗,识别虚假信贷。可为二分类 (是否欺诈),多分类(欺诈手段分类)或者聚类问题,使用我们的金融行业模版。

房价预测

根据以往的房价信息(房价,走势,波动)预测此后房价的变动,这是一个回归问题,可使用通用的回归模版。此外因为许多机器学习算法普适于各种需要聚类,分类和回归的场景,我们可以根据特定场景需要进行二次开发。

典型案例:

某钢铁有限公司

需求背景

  • 汽车行业用户需求波动愈发频繁,幅度愈发增大,形成“急升快降”的特点
  • 如何做到精准营销,降库存,保利润
  • 如何提前掌握用户即将发生的需求变化
  • 如何利用企业十几年信息化努力积累的业务大数据创造价值

客户收益

  • 预测客户未来对汽车钢材产品的实际需求量,针对性提供采购策略、库存策略、保供策略建议,在保供的基础上,调配库存,利益最大化
  • 进行客户忠诚度分析,找到影响用户忠诚度的关键点。了解客户特性,提升服务质量,增加客户黏性
  • 提高运营效率,降低运营成本,快速响应市场变化,提升各使用单位的核心竞争优势

忘记密码?