SAS、AIやコグニティブ・コンピューティングを活用可能なアナリティクス製品を提供開始

機械学習(ディープラーニング)のアルゴリズムや自然言語を処理するSAS Viya上で利用可能

 SAS Institute Japan(以下、SAS)は、「SAS Visual Data Mining and Machine Learning」を日本国内で提供開始することを発表した。この製品は、AI(機械学習)やコグニティブ・コンピューティングニーズに対応したアナリティクス・プラットフォーム「SAS Viya」上で利用できる製品シリーズの第一弾となる。

[公開日]

[著] BizZine編集部

[タグ] データ・アナリティクス コグニティブ AI

  • このエントリーをはてなブックマークに追加

 SAS Visual Data Mining and Machine Learningは、機械学習やコグニティブ・コンピューティングに対応した、アナリティクス・プラットフォーム「SAS Viya」上で利用できる初のアナリティクス製品。

 SAS Viyaは、SASのインターフェイスをはじめ、Python、Lua、Java、REST APIを使い、SAS Analyticsの能力をクラウドで利用できるように設計されている。このSAS Viya上で利用できるSAS Visual Data Mining and Machine Learningは、AIやコグニティブ・コンピューティングの活用など、アナリティクス・ニーズに応える機能を提供。ビッグデータのためのデータ加工機能や探索機能、ディープ・ラーニングを含む機械学習のアルゴリズム、自然言語処理や画像処理などのアナリティクスに必要な機能の全てを同一基盤上で実行することが可能だ。

 SAS Visual Data Mining and Machine Learningの特長は次のとおり。

複雑なアナリティクス課題を短時間で解決する
SAS Viya上で予測モデリングと機械学習を実行し、画期的なパフォーマンスが得られる。データがインメモリに保持されるので、反復的な分析を行う場合もデータロードが繰り返されないため、複数のユーザーがコラボレーションに参加して同じデータを探索したり、モデル構築を同時に行うことが可能。分析モデリングの処理時間が短縮されるので、課題の解決策も短時間化される

複数のアプローチを探索し、最適な解決策を発見する
分散並列型の分析エンジンによる高いパフォーマンスと、機械学習パイプライン向けに用意されたさまざまな構成要素を駆使し、複数のシナリオを探索および比較できる。また、自動チューニング機能により、複数のシナリオを統合環境でテストし、最もパフォーマンスの高いモデルを見つけることで、精度の高い答えを得られる

データ・サイエンティストの生産性が向上する
単一の統合インメモリ環境を活用することで、データ・サイエンティストやその他の分析担当者の生産性を高められる。データのアクセスと準備から探索的分析の実行、機械学習モデルの構築と比較、予測モデル導入用スコアコードの作成まで、アナリティクスに必要な作業が迅速に行える

 SAS Viyaの特長は、次のとおり。

さまざまなプログラミング言語・アプリケーションからアクセス可能
SAS言語だけでなく、Python, Java, Luaといった汎用プログラミング言語からも同じようにアクセスできる。また、他のアプリケーションに対応するRESTとして公開されているAPIインターフェイスを提供

すべてのユーザーに開かれたインターフェイス
プログラミングだけでなく、直感的な操作でも同じ機能にアクセスでき、データ・サイエンティスト、デベロッパーからビジネスアナリストまで、さまざまなスキルセットを持つユーザーやそのニーズに最適なアナリティクス機能を提供

幅広いビジネス課題に対応
網羅的なデータ管理機能、探索機能、機械学習アルゴリズムにより、シンプルなビジネス課題から、複雑で高度なビジネス課題まで、幅広く活用可能

データ種類、データサイズ、複雑な処理に対応可能な拡張性
SAS Viyaの拡張性により、データのサイズに関わらず、高度で複雑な処理にも対応できる。搭載している独自のインメモリ分散並列アナリティクス・エンジンは、データの大きさや、処理の大きさに応じてスケールアウト型で自在にその規模を拡大(または縮小)可能

オンプレミス、クラウドを問わないマルチクラウド・アーキテクチャ
数十台、数百台といった大規模のインメモリ分散並列処理を行うハイパフォーマンス・コンピューティング環境下でも、実行するハードウェアを問わずに利用できる。さらにこの環境を、オンプレミス、プライベートクラウド、パブリッククラウドなど、あらゆるクラウドテクノロジーの上で構築でき、異なる環境間での開発フェーズから本番フェーズへの移行もシームレスに行える