Наша двухнедельная подборка обязательных к прочтению сообществ для сообщества

Сезон отпусков не за горами, и это прекрасный повод уделить немного времени своим любимым аналитическим занятиям. Почему бы не разработать некоторые проекты по науке о данных просто для развлечения? Искать новые данные или создавать их синтетическим путем для следующего анализа в следующем году? Или позволить вам вдохновиться конвейерами интеллектуального анализа данных без кода на создание новых проницательных решений для обработки данных?

Статьи, которые мы выбрали для этого выпуска Workflow, иллюстрируют, как создавать творческие решения с помощью KNIME для генерации синтетических данных или просто для развлечения: от создания фрактальных снежинок красивой формы на основе кривой Коха до обучения GAN. модель для создания глубоких поддельных человеческих лиц и ее развертывания с помощью интерактивных и настраиваемых приложений данных GAN. В последней статье используется программное обеспечение KNIME, чтобы предложить полный конвейер интеллектуального анализа данных без кода для прогнозирования цвета вина с использованием ряда распространенных методов машинного обучения. Наслаждайтесь чтением, дайте волю своему творческому духу и разработайте свое решение с низким кодом с помощью KNIME!

Let It Snow: Генерация фрактальных снежинок с помощью KNIME

Автор Пол Виснески

Праздничный сезон почти наступил, а многие пейзажи северного полушария побелели снегом, и это идеальное время, чтобы опробовать некоторые игривые, но проницательные приложения для обработки данных. Например, как насчет создания фрактальных снежинок на основе кривой Коха? Проще говоря, снежинка Коха создается, начиная с треугольника и рекурсивно размещая бесконечное количество раз меньший треугольник на каждом внешнем крае трех сторон предыдущего треугольника. Используя KNIME, Paul Wisneskey иллюстрирует, как генерировать фрактальные снежинки красивой формы с исходной формой правильного многоугольника (вместо треугольника) и произвольным числом сторон, чтобы можно было построить более разнообразные формы снежинок. Несомненно, это увлекательное упражнение без кодов заставит вас спеть пусть идет снег, пусть идет снег, пусть идет снег!.

Как создавать GAN с помощью KNIME Analytics Platform и GAN Data Apps

Авторы Эмилио Сильвестри и Иван Пригарин

Использование синтетических данных набирает популярность во многих областях и имеет широкий спектр приложений, от обработки изображений до IoT и NLP. Это может быть отличной стратегией в тех случаях, когда сбор данных очень сложен или дорог, реальные данные защищены ограничениями конфиденциальности, для решения проблемы дисбаланса классов и повышения производительности модели или, возможно, если вы просто хотите добавить немного специй в ваши данные. Одним из методов, которые можно использовать для создания искусственных данных, являются GAN — генеративно-состязательные сети. Модели GAN используют генеративную и дискриминативную сеть в рамках игры с нулевой суммой. Использование KNIME, Эмилио Сильвестри и Иван Пригарин прекрасно иллюстрируют, как построить, обучить и постобработать конвейер GAN для создания глубоких поддельных лиц. Инкапсулируя сложность модели в компонент и обеспечивая его настройку, они создают GAN Learner, который можно повторно использовать и интегрировать в ваш собственный рабочий процесс. Во второй статье авторы используют KNIME для развертывания обученной модели и создания красивых интерактивных и настраиваемых приложений данных GAN. Приложения полагаются на умелое использование компонентов и узлов виджетов для интуитивно понятного создания новых глубоких поддельных человеческих лиц, выполнения интерполяции изображения в изображение и создания векторного комбинированного изображения на лету. Великолепно! Что вы будете генерировать?

Моделирование цвета вина по физико-химическим свойствам интеллектуального анализа данных

Автор Джеймс Сандерс

Vinho Verde — это вино, специально изготовленное в северо-западном регионе Португалии под названием Минью. Как и другие сорта винограда для различных вин, виноград Винью Верде обладает особыми физико-химическими свойствами, которые делают вино уникальным и влияют на его цвет. Используя KNIME, Джеймс Сандерс предлагает полный подход к интеллектуальному анализу данных без кода для прогнозирования цвета вина с использованием ряда распространенных методов машинного обучения. Изучив функции в наборе данных как визуально, так и с помощью описательной статистики, он сосредоточился на подготовке данных, выборе и дизайне модели, решив, что логистическая регрессия является наиболее подходящим методом из-за простоты интерпретации. Он обучает классификатор предсказывать цвет вина, а затем применяет его к невидимым данным. Оценка производительности модели проводится с использованием общей и классовой статистики, а также ROC-кривой. От импорта файла до оценки модели без единой строчки кода!

Нам нравится изучать новые творческие решения с использованием KNIME из статей, которые мы публикуем, и мы любим делиться ими с вами. Мы гордимся тем, что вместе создали процветающее сообщество, которое поддерживает друг друга, делится опытом и формирует будущее науки о данных с низким кодом.

Увидимся в следующем рабочем процессе,

Редакторы Low Code для продвинутой науки о данных