Search Results: api (1462)

Machine Learning
SAS Viya:ディープラーニング&画像処理用Python API向けパッケージ:DLPy

SASでは、従来からSAS Viyaの機能をPythonなど各種汎用プログラミング言語から利用するためのパッケージであるSWATを提供していました。 これに加え、よりハイレベルなPython向けAPIパッケージであるDLPyの提供も開始され、PythonからViyaの機能をより効率的に活用することが可能となっています。 ※DLPyの詳細に関しては以下サイトをご覧ください。 DLPyとは DLPyの機能(一部抜粋) 1.DLPyとは DLPyは、Viya3.3以降のディープラーニングと画像処理(image action set)のために作成された、Python API向けハイレベルパッケージです。DLPyではKerasに似たAPIを提供し、ディープラーニングと画像処理のコーディングの効率化が図られています。既存のKerasのコードをほんの少し書き換えるだけで、SAS Viya上でその処理を実行させることも可能になります。 例えば、以下はCNNの層の定義例です。Kerasに酷似していることがわかります。 DLPyでサポートしているレイヤは、InputLayer, Conv2d, Pooling, Dense, Recurrent, BN, Res, Proj, OutputLayer、です。 以下は学習時の記述例です。 2.DLPyの機能(一部抜粋) 複数のイルカとキリンの画像をCNNによって学習し、そのモデルにテスト画像を当てはめて予測する内容を例に、DLPyの機能(一部抜粋)を紹介します。 2-1.メジャーなディープラーニング・ネットワークの実装 DLPyでは、事前に構築された以下のディープラーニングモデルを提供しています。 VGG11/13/16/19、 ResNet34/50/101/152、 wide_resnet、 dense_net また、以下のモデルでは、ImageNetのデータを使用した事前学習済みのweightsも提供(このweightsは転移学習によって独自のタスクに利用可能)しています。 VGG16、VGG19、ResNet50、ResNet101、ResNet152 以下は、ResNet50の事前学習済みのweightsを転移している例です。 2-2.CNNの判断根拠情報 heat_map_analysis()メソッドを使用し、画像の何処に着目したのかをカラフルなヒートマップとして出力し、確認することができます。 また、get_feature_maps()メソッドを使用し、CNNの各層の特徴マップ(feature map)を取得し、feature_maps.display()メソッドを使用し、取得されたfeature mapの層を指定して表示し、確認することもできます。 以下は、レイヤー1のfeature mapの出力結果です。 以下は、レイヤー18のfeature mapの出力結果です。 2-3.ディープラーニング&画像処理関連タスク支援機能 2-3-1.resize()メソッド:画像データのリサイズ 2-3-2.as_patches()メソッド:画像データ拡張(元画像からパッチを生成) 2-3-3.two_way_split()メソッド:データ分割(学習、テスト) 2-3-4.plot_network()メソッド:定義したディープラーニングの層(ネットワーク)の構造をグラフィカルな図として描画 2-3-5.plot_training_history()メソッド:反復学習の履歴表示

Data Visualization
Ed Odom 0
SGMAP: Using MAPIMPORT for Polygon Maps

An earlier SGMAP blog used the BUBBLE statement to overlay point data on top of an Open Street Map. However, not all map features are points. Some are enclosed areas called polygons. Some map polygons share common borders such as states and counties. Others are separate, non-contiguous regions such as national parks

Advanced Analytics | Analytics | Artificial Intelligence | Internet of Things | Machine Learning
Oliver Schabenberger 0
Two tech trends shaping 2018 and beyond

Technology is changing rapidly: autonomous vehicles, connected devices, digital transformation, the Internet of Things (IoT), machine learning, artificial intelligence (AI), automation. The list goes on. And it has only begun. I am often asked, “What is next for SAS? What will the future of analytics look like in 20 years?”

Analytics | Data Management | Fraud & Security Intelligence
Michael Davis 0
Capital flight facilitators: Tracking terrorist financing

I wish this were a blog about a new super-affordable airline, but instead capital flight is the illegal movement of money from its country of origin, transit or destination. This movement of money through facilitators is creating a hyper-breed of criminal enterprise using the regulations of the world’s financial systems

Advanced Analytics | Machine Learning
Charlie Chase 0
Is demand sensing and shaping a key component of your company’s digital supply chain transformation?

Depending on who you speak with you will get varying definitions and opinions regarding demand sensing and shaping from sensing short-range replenishment based on sales orders to manual blending of point-of-sales (POS) data and shipments.        Most companies think that they are sensing demand when in fact they are

Customer Intelligence
Mauricio González 0
¿Cómo ser más dinámicos y rápidos en las respuestas a las necesidades de sus negocios?

Anteriormente, el sector empresarial se enfrentaba constantemente a la escases de información de aquello que ocurría en su compañía, tanto a nivel de procesos internos como de interacción con los clientes, siendo este último punto el más relevante por estar ligado la fidelización o desencanto de la marca. Sin embargo,

Marco Heidelberger 0
Kapitalplanung im Blick - Stresstesting

Kapitalplanung trifft auf Stresstesting: In der aktuellen Marktsituation sind Banken herausgefordert, aktuelle Geschäftsfelder zu prüfen und neue zu identifizieren. Dabei gilt es, stets das Risiko und das notwendige Kapital im Blick zu behalten, sowohl unter ökonomischen als auch regulatorischen Aspekten.  Traditionell ist die Geschäftsplanung stark in den Bereichen Finance und

Heather Lowe 0
Data scientist as venture capitalist

We’ve all heard the old saw, “If you torture data long enough, eventually it will confess to something.” But when it comes to spurring real change, how about ditching the dungeon-master act and thinking like a venture capitalist instead? Wouldn’t that pay bigger dividends? That was the tip from Ravi

1 2 3 49