|
|
 La prudsys XELOPES (eXtEnded Library fOr Prudsys Embedded Solutions) è una library di business intelligence utilizzabile con qualsiasi piattaforma ed origine dati che incorpora le classiche procedure di Data Mining e i nuovi processi d'analisi in tempo reale. La library può essere utilizzata quale software indipendente e propone soluzioni predefinite a problematiche fondamentali d'analisi; inoltre può essere integrata in altri prodotti software dove può far valere appieno le proprie capacità quale strumento d'analisi embedded. In particolare è possibile creare delle soluzioni adeguate a nuovi problemi complessi, grazie ai numerosi algoritmi della prudsys XELOPES, raggruppabili in una struttura modulare Standard di Data MiningLa prudsys XELOPES supporta i principali standard BI, fra cui ad esempio CWM, uno standard OMG che specifica la struttura base delle classi di un business warehouse in UML, e PMML, un formato XML per la serializzazione e lo scambio di modelli di Data Mining. Entrambi gli standard consentono in particolare l'interoperabilità tra i vari fornitori di Data Mining. L'attuale implementazione XELOPES è disponibile in più linguaggi di programmazione. L'implementazione principale è per Java ed offre pertanto le migliori possibilità per poter essere integrata in svariate applicazioni web e server. Lo standard PMML è supportato da tutti i modelli tradizionali di Data Mining ed è stato ampliato appositamente da prudsys per i nuovi processi d'analisi in tempo reale. Accesso allo streamPoiché in genere le procedure classiche di Data Mining devono gestire enormi matrici di dati, nella prudsys XELOPES è stato implementato il concetto di streaming per gli accessi ai dati. Ciò significa che i dati richiesti non sono caricati necessariamente nella memoria principale, bensì possono essere letti ed elaborati in tempo reale. Tali dati possono avere i formati più svariati. L'accesso ai dati viene modellato uniformemente attraverso una classe astratta. Da qui si ricavano le implementazioni complete per l'elaborazione di file Excel, CSV e Log, inclusi formati compressi, banche dati, provider di dati multidimensionali ecc. La serie di classi d'accesso dati può essere ampliata senza problemi. Per garantire anche un accesso libero a quantità di dati più contenute, vi sono delle opzioni specifiche per salvare e interrogare i dati nella memoria intermedia. Funzioni analiticheLa prudsys XELOPES riunisce in sé numerosi modelli del tradizionale Data Mining, fra cui alberi decisionali, reti neurali, SVM, metodi cluster, algoritmi per analisi di carrelli e sequenze, nonché i processi sviluppati internamente da prudsys, quali ad esempio gli alberi decisionali non lineari e le sparse grids. Inoltre nella prudsys XELOPES vi è un pacchetto di statistiche contenente degli strumenti base per il calcolo di ripartizioni e intervalli di confidenza, elaborati processi matematici per risolvere sistemi di equazioni, pacchetti per il calcolo effettivo di matrici sparse e tensori, nonché un pacchetto OLAP che consente il reporting su dati multidimensionali. Il vantaggio più eccellente e orientato al futuro consiste nel cosiddetto Agent Framework, un'interfaccia per i molteplici processi d'analisi in tempo reale della prudsys XELOPES.
Agent FrameworkSulla base di accessi all'intelligenza artificiale, nell'ambito di un elaborato processo di sviluppo, è stato concepito un framework che offre un accesso universale a tutti i processi in tempo reale. Al centro di questo framework vi è un cosiddetto agente che apprende dagli stimoli del proprio ambiente e può agire di conseguenza. Tale metodo è applicato ad es. a raccomandazioni di prodotti, pricing automatizzato, disposizione e scoring in tempo reale. A tale scopo l'agente raggruppa un modello adattivo che viene aggiornato in tempo reale. L'agente impara dal premio, il cosiddetto reward, che risulta elevato ad es. in caso di una raccomandazione acquistata, e adatta di conseguenza il proprio modello. La figura 1 rappresenta il processo dell'apprendimento e dell'applicazione (learn & apply step). |
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
[scarica]
