KNIME Analytics Platform 是用於創建數據科學的開源軟件。 KNIME 直觀、開放並不斷整合新開發技術,使每個人都可以理解數據並設計數據科學工作流程(workflow)和可重覆使用的功能元件。
KNIME Analytics Platform 的節點涵蓋了數據科學生命週期的所有階段,數千個可隨時運行的範例工作流程,數百個功能元件,廣泛的整合工具以及最多元實用的高階演算法,是創建數據科學的理想平台。它穩定且不受限制的開源代碼,使您可以獲取全球專業知識社群及其貢獻。
支援所有主要檔案格式和數據庫的連接。
本機和資料庫內的數據融合和轉換。
支援全面的數據類型,如 XML,JSON,圖像,文檔,網絡,時間序列等等。
高階預測和機器學習演算法。
與最先進的機器學習庫的整合:H2O,Keras深入學習,Scikit-Learn 等。
使用基於 Web 模式進行交互式數據視覺化和報告。
各種 KNIME Extensions 提供複雜數據類型的讀取,以及高階機器學習演算法。 KNIME Analytics Platform 和 KNIME Server 與許多其他開源技術無縫整合。
Access Apache Hadoop 數據以及 Hadoop 數據存儲,如 Hive 和 Impala。在本機 KNIME 環境,模型和執行 Apache Spark Jobs 及存取可擴展分析的能力。在 KNIME 工作流程中使用 R 或 Python 代碼,構建一個預測模型,將該模型應用於新數據源,或者是創建其他類型的視覺化圖報表。讀取、創建、調整、訓練和執行深度神經網絡。Keras 提供存取深度學習框架,如對 TensorFlow,CNTK 等。可從 Amazon Redshift、H2、Hive、Impala、Microsoft SQL、MySQL、Oracle 與 PostgreSQL 等整合各數據源。
社群擴展(Community Extensions)是由其他 KNIME 使用者的開源貢獻,可從 KNIME Analytics Platform 獲取所需各種資訊。合作夥伴擴展(Partner Extensions)提供商業功能套件,從行業特定應用功能到復雜、科學的軟件整合 – 所有擴展套件由 KNIME 值得信賴的合作夥伴創建和維護。使用者亦可使用 KNIME SDK 環境將自己的程式打包為 KNIME 功能節點,並為 KNIME 社群提出貢獻。
相關運用案例請參考:
掃我看更多: