Zeroclanzhang(讨论 | 贡献) 无编辑摘要 标签:手工回退 已被回退 |
Zeroclanzhang(讨论 | 贡献) 无编辑摘要 标签:手工回退 |
||
第30行: | 第30行: | ||
=== 任务节点化与可视化 === | === 任务节点化与可视化 === | ||
数据科学所涵盖的各种功能需求均被合理化的拆分为节点(Nodes),节点作为任务单元可以在画布中被拖拉拽,并经过简单的配置即可投入生产。 | 数据科学所涵盖的各种功能需求均被合理化的拆分为节点(Nodes),节点作为任务单元可以在画布中被拖拉拽,并经过简单的配置即可投入生产。 | ||
{{gallery | |||
|CS-Nodes.png | |||
|Demo-Workflow.png | |||
}} | |||
决策链研发团队在未来两年内,将陆续发布总共1000个涵盖全行业的任务节点,满足各行业不同层级用户的多样需求。 | 决策链研发团队在未来两年内,将陆续发布总共1000个涵盖全行业的任务节点,满足各行业不同层级用户的多样需求。 | ||
任务节点的包括但不限于以下类别: | 任务节点的包括但不限于以下类别: | ||
第39行: | 第42行: | ||
* 逻辑控制:循环、分支等逻辑控制。 | * 逻辑控制:循环、分支等逻辑控制。 | ||
* 模型部署与应用:模型加载、模型预测、模型评估、模型优化等。 | * 模型部署与应用:模型加载、模型预测、模型评估、模型优化等。 | ||
{{gallery | |||
|CS-Nodes-Blueprint.png | |||
}} | |||
=== 简化任务部署和应用 === | === 简化任务部署和应用 === | ||
第46行: | 第52行: | ||
在针对数据库等网络环境中部署数据科学任务时,我们面对的是不断增量更新的数据流,手动执行这些任务非常的耗时耗力。决策链可以轻松快速的实现数据库接入→条件查询→数据清洗和整理→变量生成及变量提取→分配权重并进行数据处理→数据挖掘→建立模型→回写数据库并部署模型整个全流程,利用循环节点和API接口,可以进一步灵活的控制自动化和周期化的任务执行方案。 | 在针对数据库等网络环境中部署数据科学任务时,我们面对的是不断增量更新的数据流,手动执行这些任务非常的耗时耗力。决策链可以轻松快速的实现数据库接入→条件查询→数据清洗和整理→变量生成及变量提取→分配权重并进行数据处理→数据挖掘→建立模型→回写数据库并部署模型整个全流程,利用循环节点和API接口,可以进一步灵活的控制自动化和周期化的任务执行方案。 | ||
比如:数据库自动化执行。 | 比如:数据库自动化执行。 | ||
{{gallery | |||
|Demo-Workflow.png | |||
|Demo-Workflow-1.png | |||
|Demo-Workflow-3.png | |||
|Demo-Workflow-4.png | |||
|Demo-Workflow-5.png | |||
|Demo-Workflow-6.png | |||
|Demo-Workflow-7.png | |||
|Demo-Workflow-8.png | |||
}} | |||
再比如:机器学习自动化建模。 | 再比如:机器学习自动化建模。 | ||
{{gallery | |||
|Demo-Workflow-0.png | |||
|Demo-Workflow-2.png | |||
}} | |||
=== 可定制集成业务模块 === | === 可定制集成业务模块 === | ||
第55行: | 第74行: | ||
** 全自动生成项目报告,包括报表和各种分析结果图。表单等报告元素均可实现灵活定制。 | ** 全自动生成项目报告,包括报表和各种分析结果图。表单等报告元素均可实现灵活定制。 | ||
** 定制化可视化节点 | ** 定制化可视化节点 | ||
{{gallery | |||
|Demo-Report-1.png | |||
|Demo-Report-2.png | |||
|Demo-Report-3.png | |||
|Demo-Report-4.png | |||
|Demo-Preview-1.png | |||
|Demo-Preview-2.png | |||
|Demo-Preview-3.png | |||
|Demo-Preview-4.png | |||
}} | |||
我们可以在画布中实现数据可视化的节点,满足用户灵活的需求制作图表。 | 我们可以在画布中实现数据可视化的节点,满足用户灵活的需求制作图表。 | ||
例如:时间序列图、区位图、云雨图、曲面图、雷达图、饼图、散点图、柱状图、气泡图、森林图等。 | 例如:时间序列图、区位图、云雨图、曲面图、雷达图、饼图、散点图、柱状图、气泡图、森林图等。 | ||
{{gallery | |||
|Demo-生存曲线.png | |||
|Demo-诺模图.png | |||
|Demo-分组云雨图.png | |||
|Demo-分组检验柱状图.png | |||
|Demo-韦恩图.png | |||
|Demo-相关性热图.png | |||
|Demo-逻辑回归森林图.png | |||
|Demo-ROC曲线图.png | |||
|Demo-关系图.png | |||
|Demo-凹凸图.png | |||
|Demo-回归曲线图.png | |||
|Demo-基线波动图.png | |||
|Demo-富集气泡图.png | |||
|Demo-差异基因排序图.png | |||
|Demo-棒棒糖图.png | |||
|Demo-泰勒图.png | |||
|Demo-流动图.png | |||
|Demo-矩阵散点图.png | |||
|Demo-组合分布散点图.png | |||
|Demo-聚类折线图.png | |||
|Demo-连线箱线图.png | |||
|Demo-限制性立方样条曲线预测图.png | |||
}} | |||
=== 可扩展插件机制 === | === 可扩展插件机制 === | ||
第74行: | 第124行: | ||
在决策链的生态链中,我们将软件、BBS论坛、Wiki百科融合为一个闭环生态链,让用户能够在生态中进行自由、高效和纯粹的交流沟通。 | 在决策链的生态链中,我们将软件、BBS论坛、Wiki百科融合为一个闭环生态链,让用户能够在生态中进行自由、高效和纯粹的交流沟通。 | ||
其中,统计流可以做为工程文件模板,在用户之间分享和传递,从而不断地为用户提供灵活的解决方案,积累长尾效应并拓展边际价值。 | 其中,统计流可以做为工程文件模板,在用户之间分享和传递,从而不断地为用户提供灵活的解决方案,积累长尾效应并拓展边际价值。 | ||
== 企业合作伙伴 == | == 企业合作伙伴 == | ||
我们不断参与国家重点、重大数据科学要素相关的产学研项目,已经与多个国内知名高校、研究所等单位进行了产学研合作。 | 我们不断参与国家重点、重大数据科学要素相关的产学研项目,已经与多个国内知名高校、研究所等单位进行了产学研合作。 |
2023年12月12日 (二) 12:46的版本
决策链软件简介
决策链软件定位为:下一代整合型数据科学工具。 我们希望能够把它打造成一款简洁、易用、高效、智能和强大的数据科学软件,让所有用户能够轻松打造属于自己的统计世界,并利用统计流(工作流,Workflow)实现可视化编程的逻辑,从而让计算机辅助决策流程能够真正意义上做到轻松部署和高效执行。 在开发决策链的过程中,我们将数据科学领域的业务和原理进行了拆分、整合和重构,并将其重新打包为一个个节点(Node),在决策链的画布中我们利用节点和连接线,可以做出类似思维导图的工作流程,并让所有的节点能够开始自动化的沿着连接线去工作。 在决策链中,一切皆可以成为节点,包括但不限于:云计算(服务器与集群控制指令)、多语言脚本(Java/R/Python/C++等解释器环境)、数据管道(数据库、数据接口、I/O读写)、数据加工(处理、清洗、采样、分箱)、数据挖掘(分析、建模、机器学习、神经网络)和AI人工智能(影像、语音和语义)等。
- 产品理念:搭建由开发者、科研人员和集团用户共建共享的统计生态,让用户随心所欲地打造自己的统计世界,用数据科学驱动科研与生产。
- 产品目标:以服务学术研究为基础,为各行业提供智能化的数据分析指南和辅助决策。
- 软件应对的数据科学要素:数据库及数据矩阵、影像、音频和语义。
- 软件主要功能:数据管道、数据加工、数据挖掘、模型构建、模型部署、工作流搭建与自动化应用。具体包括数据源接入(数据库、矩阵等)、数据整理和清洗(数据预处理、字符串及乱码处理、数据提取、特征增强、变量生成、数据降维和数据分箱等)、数据分析(基础数据统计和运算、高级数据统计及运算、回归分析、交叉分析、匹配和聚类等)、机器学习(数据、影像、语音和语义)、深度学习(数据、影像、语音和语义)等。
用户在软件画布中通过“拖拉拽”功能节点的方式即可完成以上数据科学要素的各种可视化操作,并轻松便捷地完成行业中的各种数据分析任务,甚至实现高度自动化分析。 软件分为个人版和企业版,企业版可根据用户需求定制化开发,并在私有云上部署。
决策链解决的行业痛点及带来的行业突破
我们解决了哪些行业痛点
软件解决了以下行业层痛点:
- 自主研发,不存在被西方“卡脖子”的问题。
- 完成从数据科学、行业应用、软件开发到价值转化的闭环,让用户能够轻松驾驭垂直领域的数据分析任务。
- 简单易用,并能够保证用户在满足灵活性的同时实现高度的自动化,大幅度提高数据分析和模型搭建效率,而主流数据科学软件大部分依赖代码层操作,且牺牲大量自动化空间,增加了企业开发、学习和使用成本。
我们为行业带来了哪些突破
软件针对不同行业的应用场景和不同层级的用户,带来了以下颠覆性改变:
- 无代码可视化操作,大幅度降低学习成本和劳动强度。
- 任务部署流程化、可视化。
- 重复性工作自动化执行。
决策链核心特性
任务节点化与可视化
数据科学所涵盖的各种功能需求均被合理化的拆分为节点(Nodes),节点作为任务单元可以在画布中被拖拉拽,并经过简单的配置即可投入生产。
决策链研发团队在未来两年内,将陆续发布总共1000个涵盖全行业的任务节点,满足各行业不同层级用户的多样需求。 任务节点的包括但不限于以下类别:
- 数据读取和写入:数据库、矩阵、文件(数据、影像、音频、语义)。
- 数据处理:文本、数据、语音、影像的预处理、后处理、加密解密及特征增强等处理。
- 数据挖掘与加工:统计分析、建模、AI模型(机器学习、深度学习、多模态模型等)。
- AI与模型:AI单模型(机器学习、深度学习)、AI多模态模型。
- 逻辑控制:循环、分支等逻辑控制。
- 模型部署与应用:模型加载、模型预测、模型评估、模型优化等。
简化任务部署和应用
决策链中的任务部署和应用均在画布中完成。一张画布即可将复杂的任务流程清晰、简洁的展示,每个节点均可进行灵活的配置和执行调试。无论多么复杂的任务,都可以在一张画布中以所见即所得的方式部署和应用。
任务自动化、周期化执行
在针对数据库等网络环境中部署数据科学任务时,我们面对的是不断增量更新的数据流,手动执行这些任务非常的耗时耗力。决策链可以轻松快速的实现数据库接入→条件查询→数据清洗和整理→变量生成及变量提取→分配权重并进行数据处理→数据挖掘→建立模型→回写数据库并部署模型整个全流程,利用循环节点和API接口,可以进一步灵活的控制自动化和周期化的任务执行方案。 比如:数据库自动化执行。
再比如:机器学习自动化建模。
可定制集成业务模块
决策链支持各种高度专业化、场景化的集成化模块定制。以下面几个案例为示范:
- 自动化报表、报告系统
- 全自动生成项目报告,包括报表和各种分析结果图。表单等报告元素均可实现灵活定制。
- 定制化可视化节点
我们可以在画布中实现数据可视化的节点,满足用户灵活的需求制作图表。 例如:时间序列图、区位图、云雨图、曲面图、雷达图、饼图、散点图、柱状图、气泡图、森林图等。
可扩展插件机制
在决策链软件中,一切功能(包括节点)都可被理解为插件,包括软件中的功能、视窗、按钮,以及所有能够看到的或想到的事件。 我们支持灵活的插件开发机制,为软件带来接近无穷的扩展空间,以满足企业级用户不断提出的复杂且多样的需求。
产品定制化与服务
通常我们会按照以下流程完成企业级产品的定制化开发: 需求对接→讨论交流→方案定制→讨论交流→方案调整→确认方案→签订合同→财务流程→定制化开发→产品验收→财务流程→产品交付。 在产品的有效服务周期内,我们的技术支持团队会对用户进行定期的培训,对服务器进行周期性维护和升级,并提供及时、有效的售后技术支持。
产品生态
产品理念:搭建由开发者、科研人员和集团用户共建共享的统计生态,让用户随心所欲地打造自己的统计世界,用数据科学驱动科研与生产。 在决策链的生态链中,我们将软件、BBS论坛、Wiki百科融合为一个闭环生态链,让用户能够在生态中进行自由、高效和纯粹的交流沟通。 其中,统计流可以做为工程文件模板,在用户之间分享和传递,从而不断地为用户提供灵活的解决方案,积累长尾效应并拓展边际价值。
企业合作伙伴
我们不断参与国家重点、重大数据科学要素相关的产学研项目,已经与多个国内知名高校、研究所等单位进行了产学研合作。
团队介绍
决策链研发团队主要由海内外名校博士和硕士组成,我们的专业覆盖人工智能、大数据、数据挖掘及计算机软件开发等领域,拥有较高的研发效率和较强的创新能力。