Conçue pour mieux travailler avec les données stockées dans le cloud et les apps natives, la plateforme d’analyse et de visualisation Viya de l'éditeur SAS, annoncée en avril, a d’abord été mise à la disposition d’un nombre limité d’entreprises « early adopters ». Elle doit être plus largement disponible à partir de cet automne. Lors de sa conférence Analytics Experience, qui se tient cette semaine à Las Vegas, SAS a présenté deux applications complémentaires axées sur les traitements cognitifs : d’une part, Visual Investigator et, d’autre part, Visual Data Mining and Machine Learning. L’éditeur américain supporte les technologies cognitives depuis plusieurs décennies, mais il recourt cette fois au deep learning pour renforcer l’automatisation et la précision dans les interactions entre ordinateurs et utilisateurs, indique son CTO, Oliver Schabenberger.
Visual Investigator s’adresse aux analystes et aux chercheurs qui interviennent sur la surveillance des menaces de différentes natures : épidémies, risques liés aux crédits financiers, trafics de drogue, fraude et situations critiques en général. Cette application d’exploration et de gestion des alertes permet de visualiser les relations entre les individus, les réseaux, les événements, les comportements repérés, les anomalies ou encore les tendances identifiées à travers l’analyse des données. Visual Investigator combine des fonctions analytiques avancées et des outils de recherche et de visualisation présentés comme intuitifs. L’outil permet de gérer le cycle de vie complet de la recherche.
Accélérer l'auto-apprentissage des analyses
L’autre application, Visual Data Mining and Machine Learning, devrait arriver d’ici la fin du mois. Elle est destinée à accélérer l’auto-apprentissage des analyses, par exemple sur les fonctions de reconnaissance faciale utilisées dans les systèmes de sécurité, sur la reconnaissance vocale dans les environnements de service aux clients, ou encore sur la compréhension du comportement des clients, par exemple pour la recommandation automatique de produits sur les sites de e-commerce. D’autres applications pourront être mises en œuvre dans le domaine des voitures autonomes ou du diagnostic médical. Visual Data Mining and Machine Learning rassemble des fonctions de gestion de données en mémoire, d’exploration, de statistiques, de data mining, d’apprentissage machine, d’analyse de texte, d’évaluation des modèles et de scoring. Il est possible d’accéder aux algorithmes à partir d’API Rest ou à partir de Python, Lua et Java.