All Posts

Analytics | Data for Good
SAS Korea 0
SAS, 데이터 분석으로 허리케인 플로렌스 재해 복구 활동에 나서다!

초강력 허리케인 '플로렌스’ 미국 남동부 지역을 강타하다 지난 9월, 대서양에서 발생한 초강력 허리케인 '플로렌스(Florence)'가 미국 노스캐롤라이나주를 비롯한 미국 남동부 지역을 강타했습니다. 하루 무려에 762mm 기록적 물폭탄이 내리면서 허리케인으로 인한 재산 피해액은 총 170~220억달러(약 19조~25조원) 인것으로 추정되기도 했는데요. 허리케인 플로렌스가 쓸고 간 자리에는 집, 일자리, 건물, 학교 등을 잃은 이재민들이 남았습니다.

Advanced Analytics | Customer Intelligence | Machine Learning
SAS Korea 0
SAS 커스터머 인텔리전스 360(SAS Customer Intelligence 360): 블랙 박스 모델의 해석력 이해하기

지난 'SAS 커스터머 인텔리전스 360(SAS Customer Intelligence 360): 머신러닝의 블랙 박스 모델이란’ 블로그에서 머신러닝 모델은 다면적이고 계속 진화하는 주제라고 소개해드린 바 있는데요. 오늘은 머신러닝 모델의 해석력(Interpretability)에 대해 자세히 살펴보고자 합니다. 머신러닝 모델은 놀라운 예측 능력을 제공하지만 매우 복잡하여 이해하기 쉽지 않습니다. 또한 머신러닝 모델은 예측한 결과에 대한 명확한 설명도 제공하지 않기

Analytics | Machine Learning
Chris Hartmann 0
Machine Learning: Mehr Effizienz im Planungsprozess

Sie glauben, dass Machine Learning die Rolle von Nachfrageplanern komplett ersetzen kann? Dann lesen Sie diesen Beitrag besser nicht. Wenn Sie jedoch der Ansicht sind, dass maschinelles Lernen den Planungsprozess automatisieren kann, so dass Nachfrageplaner effizienter arbeiten können, dann stimme ich Ihnen voll und ganz zu! Intelligente Automatisierungstechniken sind quasi

Analytics | Internet of Things
Jeanne (Hyunjin) Byun 0
현대 제조업의 필수 3가지 기술! 디지털 트윈, 분석 그리고 사물인터넷

만약 나의 주치의가 내 디지털 트윈(Digital Twin)을 만들어 실시간으로 나의 상황을 다양한 센서 데이터 등을 통해 업데이트 받을 수 있다면 어떨까요? 현실세계의 기계나 장비, 사물 등을 컴퓨터 속 가상세계에 구현한 디지털 트윈을 통해 몸 속의 잠재적인 질병에 대한 신호를 미리 받을 수 있을지도 모릅니다. 디지털 트윈이 암 관련 질병을 미리

Analytics | Artificial Intelligence | Machine Learning
Makoto Unemi (畝見 真) 0
SAS Viya:一般物体検出(Object Detection)を試してみた

PythonからSAS Viyaの機能を利用するための基本パッケージであるSWATと、よりハイレベルなPython向けAPIパッケージであるDLPyを使用して、Jupyter NotebookからPythonでSAS Viyaの機能を使用して一般物体検出(Object Detection)を試してみました。  今回は、弊社で用意した数枚の画像データを使用して、処理の流れを確認するだけなので、精度に関しては度外視です。  大まかな処理の流れは以下の通りです。 1.必要なパッケージ(ライブラリ)のインポートとセッションの作成 2.一般物体検出向け学習用データの作成 3.モデル構造の定義 4.モデル生成(学習) 5.物体検出(スコアリング)  1.必要なパッケージ(ライブラリ)のインポートとセッションの作成 swatやdlpyなど、必要なパッケージをインポートします。 from swat import * import sys sys.path.append(dlpy_path) from dlpy.model import * from dlpy.layers import * from dlpy.applications import * from dlpy.utils import * from dlpy.images import ImageTable   from dlpy.splitting import two_way_split from dlpy.blocks import *

1 316 317 318 319 320 729