Polymatica ML

Основные статьи:

• Машинное обучение (Machine Learning)
• Data mining Интеллектуальный анализ данных
• Определение Business Intelligence

Программный продукт Polymatica ML включен в реестр отечественного ПО.

2021

Релиз модуля интеллектуального анализа данных Polymatica ML 1.0

24 декабря 2021 года «Полиматика», российский разработчик решений для анализа больших объемов данных, представила первую коммерческую версию модуля Polymatica ML, предоставляющего возможность бизнес-пользователям самостоятельно создавать модели машинного обучения и контролировать их жизненный цикл. Разработка программного обеспечения велась на грант Российского фонда развития информационных технологий (РФРИТ).

Первая версия Polymatica ML, модуля интеллектуального анализа данных, использующего методы машинного обучения, позволяет пройти весь цикл создания и применения моделей: провести предварительный анализ данных для выявления наиболее значимых показателей для построения будущих моделей; построить несколько моделей с помощью простого конструктора, сравнить их качество и определить модель-чемпион. На следующем этапе пользователь выбирает способ применения модели на основном массиве данных – их несколько в зависимости от решаемой задачи. Для эффективной промышленной эксплуатации есть встроенный механизм мониторинга модели, так как со временем её точность снижается и требуется корректировка.

Перечень функций Polymatica ML 1.0

Исследование данных:

• Формирование и визуализация выборки из реляционных БД.
• Оценка характеристик выборки по основным статистическим критериям.
• Отбор и преобразование признаков.

Построение моделей:

• Создание и настройка моделей машинного обучения в графическом интерфейсе.
• Тестирование и оценка качества моделей.
• Настройка гиперпараметров моделей.
• Интерпретация моделей.
• Подключение библиотек Python с алгоритмами машинного обучения.

Управление моделями:

• Централизованный репозиторий моделей.
• Поддержка жизненного цикла моделей.
• Экспорт / импорт моделей.
• Публикация моделей: реляционные БД, сервис (REST API), Polymatica Analytics.
• Сравнение моделей из репозитория и выбор лучшей модели.

Приступая к разработке модуля, мы выбрали две цели: демократизация машинного обучения и создание в России платформы управления жизненным циклом моделей машинного обучения». В сжатые сроки мы смогли собрать команду с опытом работы в международных компаниях и создать продукт, представляющий из себя конструктор, позволяющий из готовых компонентов собирать модели машинного обучения, что в разы сокращает время от формулировки гипотезы до ее проверки. При этом мы вышли за рамки только создания моделей, нацеливаясь на нишу ModelOps или управления моделями машинного обучения уровне предприятия. Это позволяет хранить все модели в едином репозитории, системно следить за качеством их работы и переиспользовать существующие алгоритмы в новых моделях. В первой версии данный функционал уже доступен, и мы планируем активно развивать его в ближайшей перспективе», прокомментировал Константин Малашенко, директор по продукту Polymatica ML компании «Полиматика»

Практическое внедрение Polymatica ML уже набирает обороты: модуль задействован в нескольких пилотных проектах в разных отраслях: прогнозирование отклика на рекламные кампании для ритейла, предсказание поломок труб теплоснабжения для энергетики, контроль состояния здоровья на вредных производствах.

Представление прототипа

3 сентября 2021 года компания «Полиматика» представила прототип продукта Polymatica ML, который поможет пользователям исследовать данные и создавать модели машинного обучения, не прибегая к программированию, оперативно тестировать различные гипотезы их применения, а затем внедрять в бизнес-процессы организации. Также модуль предоставляет возможности для управления жизненным циклом ML-моделей, что делает его особенным на российском ИТ-рынке.

В 2020 году компания представила проект разработки собственного модуля интеллектуального анализа данных, использующего методы машинного обучения – Polymatica ML.

Модуль Polymatica ML состоит из трёх функциональных компонентов. С помощью Data Discovery пользователь подключается к различным источникам данных и формирует выборки для анализа. В процессе исследования он может выявить взаимосвязи и закономерности в структуре данных, определить наличие пропусков и аномалий, проверить гипотезы. Инструменты профилирования, визуализации, корреляционных матриц и кластерного анализа, разработанные специалистами «Полиматики», позволяют отобрать в том числе и наиболее важные переменные для дальнейшего моделирования.Трендвотчинг рынка DevOps. Аналитический отчет TAdviser 5 т

Второй компонент, Model Designer, предназначен для построения моделей машинного обучения. Визуальный конструктор позволяет создавать модели, используя все актуальные алгоритмы: от дерева решений до градиентного бустинга, ансамблей и нейросетей. Также пользователь может оценить качество моделей, сравнить их между собой по выбранным метрикам и выбрать лучшие.

Компонент Model Manager представляет собой централизованный репозиторий, куда можно добавить модели, созданные с помощью Polymatica ML, а также импортировать их из других аналитических инструментов. Механизм, разработанный «Полиматикой», позволяет управлять жизненным циклом модели, в том числе с помощью настройки каждой его стадии. Также пользователь может переобучить модель на новых данных, если ее точность не соответствует текущим требованиям, и затем вновь опубликовать ее. Model Manager помогает выстроить прозрачную работу с каждой моделью машинного обучения в репозитории так, чтобы она приносила максимальную пользу для бизнеса.

Модели, разработанные с помощью Polymatica ML, могут использовать различные подразделения организации – разработчики предусмотрели наличие гибких и понятных инструментов для управления безопасностью и правами доступа. Также модуль можно при необходимости доработать, если у компании есть особые требования.

При создании Polymatica ML мы проанализировали лучший мировой опыт, привлекли в свою команду разработчиков и консультантов, обладающих высочайшим уровнем знаний об областях машинного обучения и опытом продуктовой разработки. Мы поставили перед собой задачу – разработать удобный и эффективный инструмент, нацеленный на упрощение решения государственных и бизнес-задач, связанных с продвинутой аналитикой и машинным обучением. Считаю, что нам это удалось. На сентябрь 2021 года завершена разработка продукта версии MVP, на базе которой мы уже в ближайшее время проведем ряд пилотов для наших заказчиков. Выпуск коммерческой версии намечен на конец 2021 года, – сказал Константин Малашенко, директор по продукту Polymatica ML, «Полиматика».