SISENDE HUNCH大数据分析深入学习

大数据中的神经网络

基本上，SISENSEND HINCH是“一般目的分析引擎”，由“多级神经网络”提供，SISENSE CEO。

“它将回答你问它的任何问题，”奥拉德说，只要查询被问到SQL.编程语言。

SISENSE，成立于2004年，卖出一个独立的集成的分析和BI平台，涵盖整个工作流程。该公司长期推出其产品易用性，快速实施时间和相对较快的大数据分析时间。Hunch似乎适合作为供应商的产品套房的补充。

亨希以基于组织的数据大小和类型的基于订阅的定价出售，使用大数据分析的深度学习自动探索大数据并发现有用的见解。

获得问题和答案

[通过SISENSE HINCH，用户可以通过该数据集运行神经网络流程，让机器学习告诉我们可以回答哪些问题。

福雷斯特分析师Boris Evelson表示，SISENTS Intends Intends Intends Intends Hinch，正式发布了10月23日和商业上市，以便将一些猜想从实际居住在组织数据中的有用信息中，这是Forrester分析师。

患有sisense hunch，“而不是只是将数据库开放到无限的问题，让我们通过该数据集运行神经网络流程，让机器学习告诉我们可以回答哪些问题，”Evelson说。

然后亨希运行问题并创建由这些问题填充的数据库以及答案。

这个新数据库只包含从原始数据获得的问题和答案，是重量轻的，并且可以适合智能手机，可穿戴物和传感器等小型设备，启用大数据分析上IoT设备。浓缩数据包启用较少的计算密集型和更快的方法来查询数据并找到洞察力。

Evelson指出，它还创造了额外的安全和隐私层。

“你可以分析你的问题和答案，但你无法真正看到底层数据，”他说。因此，如果系统是正确培训的，例如，私人细节，例如，不会显示 - 只显示最初呈现的内容的要点。

正如奥拉德所说，神经网络，像人类大脑一样，“学会它并忘记细节。”

通过使用大数据分析的深度学习，组织可以节省时间，人力和成本。大型组织倾向于存储约80％的数据数据湖泊。

Orad表示，软件“通过部署学习数据”，可能只需要几天的组织设置和培训。

拖放界面也意味着可以使用sisense hunch公民数据科学家奥拉德说。

但是，存在很大的潜在缺点。

妥协和让步

通过在大数据分析中实现深入学习的自动化凝视，而不是依赖于，说，一个大型慢速数据仓库，用户牺牲了一定程度的准确性，以便更快的结果。

根据SISENSEND，HINCH可以提供99％的精度。而且，即使是，如果用户使用有限的范围，并且正确培训大数据分析工具的深度学习，则可能只有该数字可能只是可能。

奥拉德承认，“99到100之间的差异是无穷无尽的。”但是，他补充说，为用户添加，牺牲1％的人可能会节省“数万资源”。

“替代方案是要去一个大的团队，并要求它建立一个大数据仓库，”他说。“我们的过程更直观，洞察力的时间更加加速，更加加快。”

Evelson表示，对于大多数用例来说，“99％完全没问题。”

他说，他认为斯密亨可以提供大型企业，往往具有大量的原始数据，有一种方法可以开始利用该数据。

对于较小的或中型企业，这可能具有较少的非结构化数据，Evelson表示产品最终将归结为价格。