ML の煩わしさなしに何でも予測できます。

正確な単変量予測を取得するには、数週間の努力や機械学習の学位は必要ありません。在庫の計画、エネルギー出力の予測、サプライチェーンの最適化のいずれであっても、時系列予測はシンプルで拡張性があり、信頼性が高くなければなりません。

それが、私たちが Sulie を構築した理由です。これは、予測をより簡単に、より速く、誰でもアクセスできるように設計された基礎モデルです。

? スーリーとは何ですか?

Sulie は、時系列予測の基礎モデルです。業界やタスクにまたがる多様なデータセットでトレーニングされた Sulie は、業界にとらわれず、データに柔軟に対応できるため、タスク固有のカスタマイズを必要とせずに、幅広い時系列予測の問題に取り組むことができます。

? なぜスーリー?

Sulie が傑出している理由は次のとおりです:

• 数行のコードで予測 - 複雑なパイプラインやセットアップを必要とせずに、すぐに予測を開始します。
• 自動微調整 - Sulie はデータに適応して、目標に集中しながら精度を向上させます。
• ML の手間なし - モデルをトレーニングしたり、ハイパーパラメーターをいじったり、インフラストラクチャに対処したりする必要はありません。スーリーは力仕事を引き受けます。

? 実際の使用例

Sulie は次のような方に最適です:

• エネルギー - 風力発電や太陽光発電などの再生可能エネルギー出力を予測します。
• 小売 - 製品の再入荷を計画し、販売傾向を予測します。
• サプライ チェーン - 物流を最適化し、在庫コストを削減します。
• 財務データ - 収益または費用の傾向を予測します。

? 仕組み

Sulie をワークフローまたは SaaS に統合するのは簡単です。以下に例を示します:

import os
import pandas as pd
from sulie import Sulie

client = Sulie(
    api_key=os.environ.get("SULIE_API_KEY")
)

# Prepare your data
df = pd.DataFrame(your_data)

# Upload a dataset
dataset = client.upload_dataset(
    name="product-purchases-v1", 
    df=df
)

# Forecast on time-series data                                                           
forecast = client.forecast(
    dataset="product-purchases-v1",
    horizon=30, # 30 time steps ahead
    target_col="y"
)

始めましょう

• GitHub で Sulie を探索する
• sulie.co で詳細をご覧ください

以上がML の煩わしさなしに何でも予測できます。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。