Microsoft stellt neue Analyse-Tools für Data Scientists vor
Mit IDEAR und AMAR erweitert Microsoft den Funktionsumfang des bestehenden R-Portfolios für Machine Learning und für die Auswertung großer Datenmengen.
Microsoft stellt IDEAR (Interactive Data Exploration, Analysis and Reporting) und AMAR (the Automated Modelling and Reporting Tool) vor und weitet damit die Angebote für die Analyse großer Datenmengen aus.
Mit IDEAR automatisiert Microsoft das Erstellen von Reports in R. Über dieses Tool können Analysten Daten erkunden, visualisieren und interaktiv Auswerten. Dabei hilft auch das Shiny Library in R Studio. Wenn ein Daten-Analyst eine Visualisierung oder Abfrage gefunden hat, die als geeignet erscheint, lässt sich mit einem Mausklick Code das betreffende R-Scrip erstellt und über ein R-Log-File mit anderen teilen. Über die Funktion Generate Report erstellt dann das R Log-File den Report automatisch.
Darüber hinaus liefert das Tool eine Funktion für “Automatic Variable Type Detection”. Das sei, wie Microsoft mitteilt vor allem dann hilfreich, wenn viele verschiedene Datentypen ohne Informationen über Variablen vorliegen.
Wie man gefährliche E-Mails identifiziert
Gefälschte E-Mails enthalten häufig Viren oder andere Angreifer. Oft sollen auch private und sensible Daten gestohlen werden. Anhand weniger Kriterien lassen sich gefährliche E-Mails jedoch schnell erkennen.
IDEAR ermittelt dann automatisch die zugrunde gelegten Variablen. Die Ergebnisse werden dann an ein YAML-File geschickt, so dass die Analysten diese Variablen schrittweise nachbessern können.
Mit Variable Ranking und Target Leaker Identification lassen sich numerische und kategorische Variablen ranken. Target Leaker warnt den Anwender, wenn bestimmte Variablen einen Grenzwert überschreiten. Damit lässt sich auch feststellen, wie relevant Daten für Machine Learning sind.
IDEAR liefert auch eine Visualisierung, in der sich die Daten in 2- oder 3-D aus verschiedenen Perspektiven visualisieren lassen. Mit AMAR können Analysten die Mashine-Learning-Modelle trainieren, und die Relevanz verschiedener Modelle und der Variablen darin miteinander vergleichen. Die Tools sind über das GitHub-Repository von Microsofts Team Data Science Process verfügbar.
